典型文献
基于深度学习的L AMOST星系星族参数测量
文献摘要：
星系的光谱包含其内部恒星的年龄和金属丰度等信息,从观测光谱数据中测量这些信息对于深入了解星系的形成和演化至关重要.LAMOST(Large Sky Area Multi-Object Fiber Spectroscopic Telescope)巡天发布了大量的星系光谱,这些高维光谱与它们的物理参数之间存在着高度的非线性关系.而深度学习适合于处理多维、海量的非线性数据,因此基于深度学习技术构建了一个8个卷积层+4个池化层+1个全连接层的卷积神经网络,对LAMOST Data Release 7(DR7)星系的年龄和金属丰度进行自动估计.实验结果表明,使用卷积神经网络通过星系光谱预测的星族参数与传统方法基本一致,误差在0.18 dex以内,并且随着光谱信噪比的增大,预测误差越来越小.实验还对比了卷积神经网络与随机森林回归模型、深度神经网络的参数测量结果,结果表明卷积神经网络的结果优于其他两种回归模型.
文献关键词：
星系:恒星内容;星系:演化;方法:数据分析;方法:统计;深度学习:卷积神经网络
中图分类号：
作者姓名：
王丽丽;张龙威;杨光军;张俊亮;刘聪
作者机构：
德州学院计算机与信息学院 德州253023;德州学院能源与机械学院 德州253023
文献出处：
引用格式：
[1]王丽丽;张龙威;杨光军;张俊亮;刘聪-.基于深度学习的L AMOST星系星族参数测量)[J].天文学报,2022(05):110-118
A类：
AMOST
B类：
星系,星族,参数测量,恒星,测光,光谱数据,LAMOST,Large,Sky,Area,Multi,Object,Fiber,Spectroscopic,Telescope,巡天,高维光谱,物理参数,非线性关系,深度学习技术,技术构建,卷积层,+4,池化,+1,全连接层,Data,Release,DR7,光谱预测,dex,预测误差,随机森林回归模型,深度神经网络
AB值：
0.425954
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
