国产亚洲成AV在线下载|亚洲精品视频在线|久久av免费这里有精品|大香线蕉视频观看国产

    <style id="akiq1"><progress id="akiq1"></progress></style><label id="akiq1"><menu id="akiq1"></menu></label>

          <source id="akiq1"></source><rt id="akiq1"></rt>

          基于深度學習的LAMOST光譜分類研究

          許婷婷; 馬晨曄; 張靜敏; 周衛(wèi)紅 云南民族大學數(shù)學與計算機科學學院; 昆明650500; 云南農(nóng)業(yè)職業(yè)技術(shù)學院經(jīng)濟管理學院; 昆明650031; 中國科學院天體結(jié)構(gòu)與演化重點實驗室; 昆明650011

          摘要:光譜分類不僅對理解恒星物理學有著重要意義,而且在研究銀河系整體結(jié)構(gòu)和演化過程中起著至關(guān)重要的作用.然而在相關(guān)研究中仍存在分類精度低和光譜型未知等問題,因此提出一種新的光譜自動分類模型并將其應用在F、G和K 3種恒星光譜的分類中,方法的基本思想是訓練一個深度信念網(wǎng)絡對光譜數(shù)據(jù)進行分層特征學習,然后采用反向傳播算法對整個模型進行微調(diào).從LAMOST (Large Sky Area Multi-Object Fiber Spectroscopic Telescope) Data Release 5 (DR5)中選取31667條包含F(xiàn)、G和K 3種恒星的光譜數(shù)據(jù),并在TOPCAT軟件中與GAIA (Global Astrometric Interferometer for Astrophysics)數(shù)據(jù)進行交叉,得到顏色-星等圖并驗證光譜數(shù)據(jù)的分布.最后對該模型進行評估,結(jié)果表明:深度信念網(wǎng)絡在綜合性能上優(yōu)于其他分類算法.

          天文學報雜志要求:

          {1}題目簡明確切地反映文稿的特定內(nèi)容,起畫龍點睛的作用。一般宜20個字左右。

          {2}本刊所刊載的文章僅代表作者的觀點,并不完全代表編委及編輯部的觀點,歡迎讀者對刊載內(nèi)容展開學術(shù)批評和討論。

          {3}正文文本,5號宋體,單倍行距,頁邊距上下限、左右邊距均采用Office 軟件的默認設置。

          {4}文稿須附中文摘要,中文須內(nèi)容一致。中文摘要字數(shù)控制在100~150字,英文摘要字數(shù)少于100字。摘要中不得引用參考文獻。

          {5}作者應在文中相應內(nèi)容處標注閱讀過的文獻資料。參考文獻的引用,應為作者親自閱讀過的文獻。參考文獻的標注采用順序編碼制,按引用文獻出現(xiàn)的先后順序用阿拉伯數(shù)字依次編號,將序號置于方括號內(nèi),如[1],[1-2],[3-6]。

          注:因版權(quán)方要求,不能公開全文,如需全文,請咨詢雜志社

          天文學報

          北大期刊
          1-3個月下單

          關(guān)注 10人評論|0人關(guān)注
          相關(guān)期刊
          服務與支付