購物車(0)
基于深度學習的LAMOST光譜分類研究
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構和演化過程中起著至關重要的作用.然而在相關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絡對光譜數據進行分層特征學習,然后采用反向傳播算法對整個模型進行微調.從LAMOST (Large Sky Area Multi-Object Fiber Spectroscopic Telescope) Data Release 5 (DR5)中選取31667條包含F、G和K 3種恒星的光譜數據,并在TOPCAT軟件中與GAIA (Global Astrometric Interferometer for Astrophysics)數據進行交叉,得到顏色-星等圖并驗證光譜數據的分布.最后對該模型進行評估,結果表明:深度信念網絡在綜合性能上優于其他分類算法.
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，歡迎讀者對刊載內容展開學術批評和討論。
{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，中文須內容一致。中文摘要字數控制在100~150字，英文摘要字數少于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，按引用文獻出現的先后順序用阿拉伯數字依次編號，將序號置于方括號內，如［1］，［1-2］，［3-6］。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
