低表面亮度星系(Low Surface Brightness Galaxy,LSBG)的特征对于理解星系整体特征非常重要,通过现代的机器学习特别是深度学习算法来搜寻扩充低表面亮度星系样本具有重要意义.LSBG因特征不明显而难以用传统方法进行自动和准确辨别,但深度学习确具有自动找出复杂且有效特征的优势,针对此问题提出了一种可用于在大样本巡天观测项目中搜寻LSBG的算法---YOLOX-CS(You Only Look Once version X-CS).首先通过实验对比5种经典目标检测算法并选择较优的YOLOX算法作为基础算法,然后结合不同注意力机制和不同优化器,构建了YOLOX-CS的框架结构.数据集使用的是斯隆数字化巡天(Sloan Digital Sky Survey,SDSS)中的图像,其标签来自于α.40-SDSS DR7(40%中性氢苜蓿巡天与第7次数据发布的斯隆数字化巡天的交叉覆盖天区)巡天项目中的LSBG,由于该数据集样本较少,还采用了深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Networks,DCGAN)模型扩充了实验测试数据.通过与一系列目标检测算法对比后,YOLOX-CS在扩充前后两个数据集中搜索LSBG的召回率和AP(Average Precision)值都有较好的测试结果,其在未扩充数据集的测试集中的召回率达到97.75%,AP值达到97.83%,在DCGAN模型扩充的数据集中,同样测试集下进行实验的召回率达到99.10%,AP值达到98.94%,验证了该算法在LSBG搜索中具有优秀的性能.最后,将该算法应用到SDSS部分测光数据上,搜寻得到了765个LSBG候选体.
多任务学习(Multi-task Learning,MTL)就是把多个问题一起进行分析、计算,以发掘不同问题之间的相关性,提高分析结果的精度,该类方法已被广泛地应用于机器学习、模式识别、计算机视觉等领域.使用多任务学习方案研究了恒星大气物理参数中表面温度(Teff)、表面重力加速度(lg g)、化学丰度([Fe/H])的估计问题.首先使用多任务Sparse Group Lasso算法提取对3个大气物理参数均有预测能力的光谱特征;然后使用支持向量机估计恒星大气物理参数.该方案在Sloan实测恒星光谱和理论光谱上均做了测试.在实测光谱上的平均绝对误差分别为:0.0064(lg(Teff/K)),0.1622(lg(g/(cm·s^(-2)))),0.1221 dex([Fe/H]).在由Kurucz的New Opacity Distribution Function(NEWODF)模型得到的理论光谱上也做了同样的特征提取和恒星大气物理参数估计测试,相应的平均绝对误差分别为:0.0006(lg(Teff/K))),0.0098(lg(g/(cm·s^(-2)))),0.0082 dex([Fe/H]).通过与文献中的同类研究比较表明,多任务Sparse Group Lasso特征提取与支持向量机回归(support vector machine regression,SVR)两者结合的方案有较高的恒星大气物理参量估计精度.
稻城圆环阵太阳射电望远镜(Daocheng Solar Radio Telescope, DSRT)作为子午工程二期太阳-行星际探测子系统的重要部分,工作在150–450 MHz频段,可提供高空间、高时间分辨率的太阳爆发亮温图像.针对DSRT天线的高精度指向测量以及对指向...
详细信息
稻城圆环阵太阳射电望远镜(Daocheng Solar Radio Telescope, DSRT)作为子午工程二期太阳-行星际探测子系统的重要部分,工作在150–450 MHz频段,可提供高空间、高时间分辨率的太阳爆发亮温图像.针对DSRT天线的高精度指向测量以及对指向误差批量标定和校正的需求,首先根据DSRT独有的三轴座架系统,通过四元数旋转变换法建立了天线3参数编码器零点误差模型;然后提出了基于射电源的漂移扫描法获得16个单元天线功率方向图,并根据2维方向图确定波束中心的方法精确测量了DSRT天线指向误差;最后用最小二乘法拟合得到模型参数,并通过天线控制软件重新调整各个轴的零点,后对调整结果进行验证.结果表明指向校正方法可靠有效,校正后16个天线的指向精度为0.5°之内,明显优于校正前3.5°的指向误差,满足误差小于DSRT天线最高工作频率下的1/10波束范围内的要求.
在射电天文观测中,射频干扰(Radio Frequency Interference,RFI)会以多种形式混入望远镜接收系统,给观测带来误判或者降低观测信噪比.近年来国内国际射电天文快速发展,国内国际大型射电望远镜和阵列先后建设,观测灵敏度大为提高,射频干...
详细信息
在射电天文观测中,射频干扰(Radio Frequency Interference,RFI)会以多种形式混入望远镜接收系统,给观测带来误判或者降低观测信噪比.近年来国内国际射电天文快速发展,国内国际大型射电望远镜和阵列先后建设,观测灵敏度大为提高,射频干扰的影响尤为突出.随着科技发展和人类活动的加剧,射频干扰日益严重且不可逆转.提出利用2维离散小波变换的方法分析射电天文观测的数据,对望远镜系统输出的时间频率序列进行小波变换,根据小波系数分离出原始信号中各分量,每个分量统计得到相应的阈值,将各分量与阈值相比较识别干扰成分并标记去除.利用该方法对实际观测数据进行了处理,结果表明该方法能够很好地标记并消减干扰信号,且提高了观测的信噪比.
暂无评论