太陽物理研究已經(jīng)進入大數(shù)據(jù)時代,而機器學習作為大數(shù)據(jù)研究的一種良好工具已經(jīng)獲得越來越多的認可.本文評述了自2007年以來機器學習在太陽物理中的應用.從結(jié)果上看,最近4年這一領(lǐng)域的研究明顯增加.所利用的數(shù)據(jù)包括地面和空間的各種儀器、各種類型和波段的太陽觀測資料.研究領(lǐng)域涵蓋太陽耀斑、日冕物質(zhì)拋射、太陽黑子等太陽物理研究的主要方面.目前雖然獲得一些很好的結(jié)果,但尚未有突破性的進展.使用的機器學習方法涉及分類、回歸、聚類、降維以及深度學習等手段,但經(jīng)典的算法,尤其是分類方法依然占據(jù)主導地位.這意味著機器學習在太陽物理的應用還處于起步階段,但同樣也意味著在這一領(lǐng)域還有很多工作可以深入開展. 

【文章來源】：中國科學:物理學 力學 天文學. 2019,49(10)北大核心CSCD

【文章頁數(shù)】：13 頁

【文章目錄】：
1 引言
2 機器學習的形式及典型任務
3 應用機器學習方法的太陽物理研究
    3.1 太陽耀斑預報
    3.2 日冕物質(zhì)拋射
    3.3 太陽黑子
    3.4 其他應用
4 應用于太陽物理的機器學習方法
5 總結(jié)與展望


【參考文獻】：
期刊論文
[1]一種黑子特征自動提取的太陽耀斑模型[J]. 李蓉,黃鑫.  中國科學:物理學 力學 天文學. 2018(11)



本文編號：3503038