【摘要】：多任務學習方法在機器學習、計算機視覺、人工智能領域已得到廣泛關注,利用任務間的相關性,將多個任務同時學習的效果優(yōu)于每個任務單獨學習的情況.采用多任務Lasso回歸法(Multi-task Lasso Regression)用于恒星光譜物理參量的估計,不僅可以獲取不同物理參量間的共同的特征信息,而且也可以很好地保留不同物理參量的特有的補充信息.使用恒星大氣模擬模型合成光譜庫ELODIE中的光譜數(shù)據(jù)和美國大型巡天項目Sloan發(fā)布的SDSS實測光譜數(shù)據(jù)進行實驗,模型估算精度優(yōu)于相關文獻中的方法,特別是對重力加速度(lg g)和化學豐度([Fe/H])的估計.實驗中通過改變光譜的分辨率,施加不同信噪比(SNR)的噪聲,來說明模型的穩(wěn)定性強.結果表明,模型精度受光譜分辨率和噪聲的影響,但噪聲對其影響更大,可見,多任務Lasso回歸法不僅操作簡便,穩(wěn)定性強,而且也提高了模型的整體預測精度.
[Abstract]:Multi-task learning methods have been paid more attention in machine learning, computer vision and artificial intelligence. Using the correlation between tasks, the effect of multi-task learning at the same time is better than that of each task alone. Using multitask Lasso regression (Multi-task Lasso Regression) to estimate the spectral physical parameters of stars can not only obtain the common characteristic information among different physical parameters, but also preserve the special supplementary information of different physical parameters. Using the stellar atmosphere simulation model to synthesize the spectral data from the spectral library ELODIE and the measured spectral data from the SDSS published by Sloan, a large-scale survey project in the United States, the accuracy of the model estimation is better than that of the methods in the relevant literature. In particular, the estimation of the gravitational acceleration (lg g) and the chemical abundance ([Fe/H]). The stability of the model is demonstrated by changing the spectral resolution and adding different SNR (SNR) noises. The results show that the precision of the model is affected by spectral resolution and noise, but the noise is more significant. It is obvious that the multitask Lasso regression method is not only easy to operate and stable, but also improves the overall prediction accuracy of the model.
【作者單位】： 暨南大學信息科學技術學院;
【基金】：教育部人文社會科學研究一般項目(11YJAZH118)資助
【分類號】：P144.1

【參考文獻】

相關期刊論文 前5條

1 張健楠;吳福朝;羅阿理;;核回歸方法在恒星光譜物理參量自動估計中的應用[J];光譜學與光譜分析;2009年04期

2 盧瑜;李鄉(xiāng)儒;王永俊;楊坦;;一種新的恒星大氣物理參數(shù)自動估計方案SVR(Haar)[J];光譜學與光譜分析;2013年07期

3 張健楠;吳福朝;羅阿理;趙永恒;;恒星大氣物理參量的非參數(shù)估計方法[J];天文學報;2005年04期

4 ;The Large Sky Area Multi-Object Fiber Spectroscopic Telescope (LAMOST)[J];Research in Astronomy and Astrophysics;2012年09期

5 ;LAMOST spectral survey——An overview[J];Research in Astronomy and Astrophysics;2012年07期

【共引文獻】

相關期刊論文 前10條

1 李鄉(xiāng)儒;劉中田;胡占義;吳福朝;趙永恒;;巡天光譜分類前的預處理——流量標準化[J];光譜學與光譜分析;2007年07期

2 劉杰;潘景昌;韋鵬;劉猛;羅阿理;;基于光譜相似度的恒星大氣參數(shù)自動測量方法[J];光譜學與光譜分析;2012年12期

3 劉杰;潘景昌;劉猛;韋鵬;羅阿理;;恒星光譜參數(shù)自動測量中不同模板匹配度量方法比較[J];光譜學與光譜分析;2013年02期

4 楊世海;王國民;;天文光學望遠鏡摩擦驅動滑移動態(tài)檢測與修正[J];光學精密工程;2013年08期

5 蔡江輝;楊海峰;趙旭俊;張繼福;;一種晚型天體光譜離群數(shù)據(jù)挖掘系統(tǒng)[J];光譜學與光譜分析;2014年05期

6 盧瑜;李鄉(xiāng)儒;楊坦;王永俊;;恒星大氣物理參數(shù)估計中的稀疏特征提取[J];光譜學與光譜分析;2014年08期

7 盧瑜;李鄉(xiāng)儒;楊坦;;基于LAMOST光譜的恒星大氣物理參數(shù)估計[J];光譜學與光譜分析;2014年11期

8 石志鑫;Georges Comte;羅阿理;屠良平;趙永恒;吳福朝;;LAMOST類星體[OIII]線附近天光背景扣除[J];光譜學與光譜分析;2014年11期

9 譚鑫;潘景昌;王杰;羅阿理;屠良平;;基于神經(jīng)網(wǎng)絡的線指數(shù)恒星大氣物理參數(shù)測量方法[J];光譜學與光譜分析;2013年06期

10 方成;;關于我國未來天文大設備的一點戰(zhàn)略思考[J];中國科學:物理學 力學 天文學;2012年12期

相關博士學位論文 前1條

1 田超;非球面非零位環(huán)形子孔徑拼接干涉檢測技術與系統(tǒng)研究[D];浙江大學;2013年

相關碩士學位論文 前5條

1 韋鵬;LAMOST一維光譜自動處理[D];山東大學;2011年

2 張瑞敏;并行環(huán)境下恒星理論光譜模板庫的構建[D];山東大學;2012年

3 劉杰;基于模板匹配的恒星大氣物理參數(shù)自動測量的研究[D];山東大學;2012年

4 譚鑫;基于線指數(shù)的恒星大氣物理參數(shù)提取方法的研究[D];山東大學;2014年

5 龔丹青;多孔結構的力學分析及新型焦面板的結構優(yōu)化設計[D];中國科學技術大學;2014年

【二級參考文獻】

相關期刊論文 前10條

1 ;Automated estimation of stellar fundamental parameters from low resolution spectra: the PLS method[J];Research in Astronomy and Astrophysics;2009年06期

2 Ruben Garcia-Benito;;New background quasars in the vicinity of the Andromeda Galaxy discovered with the Guoshoujing Telescope (LAMOST)[J];Research in Astronomy and Astrophysics;2010年07期

3 ;Eight new quasars discovered by the Guoshoujing Telescope (LAMOST) in one extragalactic field[J];Research in Astronomy and Astrophysics;2010年08期

4 Norbert Christlieb;;Test observations that search for metal-poor stars with the Guoshoujing Telescope (LAMOST)[J];Research in Astronomy and Astrophysics;2010年08期

5 Philippe Prugniel;;Automatic determination of stellar atmospheric parameters and construction of stellar spectral templates of the Guoshoujing Telescope (LAMOST)[J];Research in Astronomy and Astrophysics;2011年08期

6 ;Kinematics and stellar population properties of the Andromeda galaxy by using the spectroscopic observations of the Guoshoujing Telescope[J];Research in Astronomy and Astrophysics;2011年09期

7 蘇定強,崔向群;主動光學─新一代大望遠鏡的關鍵技術[J];天文學進展;1999年01期

8 李鄉(xiāng)儒;;光譜數(shù)據(jù)挖掘中的特征提取方法[J];天文學進展;2012年01期

9 郝黎凱,金革,王堅,任間,李鋒,萬長勝,李昔華,黃鯤;基于優(yōu)先策略的動態(tài)選星算法[J];天文學報;2005年02期

10 Heidi Jo Newberg;Jeffrey L. Carlin;Norbert Christlieb;Hsu-Tai Lee;;The site conditions of the Guo Shou Jing Telescope[J];Research in Astronomy and Astrophysics;2012年07期

【相似文獻】

相關期刊論文 前10條

1 覃冬梅,胡占義,趙永恒;一種基于主分量分析的恒星光譜快速分類法[J];光譜學與光譜分析;2003年01期

2 李加林;恒星光譜分析[J];陜西師大學報(自然科學版);1995年S1期

3 潘文玲;恒星光譜的信息[J];西安礦業(yè)學院學報;1996年01期

4 ;數(shù)字[J];發(fā)明與創(chuàng)新(大科技);2014年03期

5 趙景昆;趙剛;陳玉琴;;高分辨率恒星光譜處理與元素豐度分析軟件平臺[J];天文研究與技術;2007年02期

6 張健楠;趙永恒;劉蓉;;基于非參數(shù)回歸與最近鄰方法的恒星光譜自動分類[J];光譜學與光譜分析;2009年12期

7 許慧芳,劉宗禮;光譜底片處理自動化[J];云南天文臺臺刊;1981年01期

8 翟迪生,蔣世仰;高信噪比恒星光譜工作熱點[J];天文學進展;1991年02期

9 張健楠;吳福朝;羅阿理;;核回歸方法在恒星光譜物理參量自動估計中的應用[J];光譜學與光譜分析;2009年04期

10 潘景昌;張彩明;韋鵬;羅阿理;趙永恒;;自動識別發(fā)射線恒星光譜的新方法[J];光譜學與光譜分析;2012年06期

相關會議論文 前1條

1 李申;姜碧溈;;8000-9200，

本文編號：2415057