机器学习在星系结构参数测量中的应用
后印本
Machine Learning Applications in Galaxy Parameter Evaluation
-
作者：
盛辰阳,李瑞
1
-
作者单位：
-
提交时间：2025-06-16 14:58:43
摘要: 星系的结构参数是深入理解星系形成与演化的基础, 现有的星系拟合软件, 如GALFIT、2DPHOT等, 存在运行缓慢、高度依赖人工参与以及对初始值敏感等局限性. 为了避免这些问题, 利用基于卷积神经网络(Convolutional Neural Networks, CNN)的软件GaLNet (Galaxy Light Profile Convolutional Neural Network)来进行星系结构参数测量. 基于昴星团望远镜主焦点照相机巡天(Hyper Suprime-Cam Subaru Strategic Program, HSC-SSP)的数据, 构建了机器学习所需的训练、验证和测试数据, 并利用这些数据对GaLNet进行训练. 通过将训练好的GaLNet应用于HSC-SSP的真实数据, 并与传统方法GALFIT进行比较, 发现GaLNet拟合结果的约化卡方值比起传统方法平均降低了37%, 并且其准确度和运行速度均展示出明显优势.
版本历史
| [V1] |
2025-06-16 14:58:43 |
ChinaXiv:202506.00107V1
|
下载全文 |
相关信息
点击量
下载量
