深度学习在天文学中的应用与改进

发布时间：2024-02-29 04:10

　　近年来,深度学习和人工智能技术迅猛发展,在多个学科领域得到了广泛关注和应用。天文学研究也不甘落后,涌现出一大批应用深度学习进行数据分析的工作。总结了深度学习在天文中的应用情况和趋势、天文数据类型和机器学习任务、天文中常用的深度学习网络模型和方法,以及深度学习在天文研究中的代表性应用和进展,并探讨和提出了其未来在天文学领域中的应用和改进建议。

【文章页数】：21 页

【部分图文】：

图1天文学领域应用机器学习和深度学习的论文数量分布(来源于ADS)

根据天体物理论文数据库?的检索数据(如图1a)所示)，天文学领域论文标题、摘要和关键词中提到“机器学习”(包括深度学习)的论文从2004年开始出现，在2012年左右开始迅速增加，2018年同行评议论文达到了195篇，加上非同行评议论文则达到400多篇。其中2014―2018年天文....

图22014―2018年天文学中应用深度学习的论文研究主题和各主题数量趋势(来源于ADS)

图1天文学领域应用机器学习和深度学习的论文数量分布(来源于ADS)2天文数据类型和机器学习任务

图3全连接神经网络模型示意图

如图3所示，原始的全连接神经网络中每个神经元都与下一层的全部神经元相连接，每条连接都有一个权重值，代表此连接对下一层特征表示的贡献，同时每一层通过激活函数决定每个神经元是否激活，从而引入非线性因素。网络可基于梯度下降算法通过反向传播技术来训练，得到网络中每层的参数值。全连接神经网....

图42015―2018年天文学领域应用主流深度神经网络模型的论文数量

深度学习的好处是可以从数据中自动学习特征，减少专家利用领域知识进行人工特征设计的工作量，可灵活地表示任意的复杂函数。图4展示了2015―2018年天文学领域几种主流深度学习网络模型的应用情况，大量的论文应用了CNN，远多于其他网络模型；应用GAN的文章近两年来也呈增长趋势。这两种....

本文编号：3914474