SKYNET: 一种高效且稳健的神经网络训练工具，用于天文学中的机器学习

MMSep, 2013

SKYNET: 一种高效且稳健的神经网络训练工具，用于天文学中的机器学习

SKYNET: an efficient and robust neural network training tool for machine learning in astronomy

Philip Graff, Farhan Feroz, Michael P. Hobson, Anthony N. Lasenby

TL;DRSkyNet 是一个高效且强大的机器学习工具，可用于训练大型、深层的前馈神经网络，包括自编码器。使用预训练方法和正则化牛顿方法进行优化，避免了标准反向传播技术在优化复杂网络方面的困难，SkyNet 的实用性和灵活性在一些例题和天文学问题上得到了展示。

Abstract

We present the first public release of our generic neural network training algorithm, called SkyNet. This efficient and robust machine learning tool is able to train large and deep feed-forward neural networks, i

neural network training machine learning optimization unsupervised learning astronomical problems

发现论文，激发创造

SkyNet: 一种在嵌入式系统上进行目标检测和跟踪的硬件高效方法

通过底层设计 SkyNet 硬件神经网络来实现在资源受限的嵌入式系统中的高精度和高速度目标检测和追踪

Sep, 2019

SkyNet：模块化核反应网络库

该论文介绍了 SkyNet，它是一个新的通用核反应网络，可计算天体物理中核合成的演化，并详细讨论了 SkyNet 中实现的物理过程，包括核统计平衡到非平衡核燃烧的自洽转换、电子屏蔽和联接到一个状态方程。

Jun, 2017

用贝叶斯神经网络集合进行外行星大气检索

这篇论文讨论了机器学习在星际物理领域的应用，利用贝叶斯神经网络实现了精准的大气成分测算以及创新性地引入了一种新的损失函数提高了性能。

May, 2019

SpaceNet：遥感数据集与挑战系列

利用地球成像卫星阵列进行快速更新基础地图的先进机器学习技术，结合 SpaceNet 的图像标签与公共奖项竞赛加速影像判读自动化的建筑与道路网络提取，以解决人工标记不足的问题。

Jul, 2018

NetKet 3：用于多体量子系统的机器学习工具箱

NetKet 3 是一个支持 GPU 和 TPU 加速训练的基于神经网络的量子态的机器学习工具箱，使用 JAX 和自动微分方法定义 Python 代码，支持离散对称性，可用于量子动力学应用。

Dec, 2021

SurfaceNet: 一个端到端的 3D 神经网络，用于多视点立体成像

该论文提出了一种名为 SurfaceNet 的端到端学习框架，可用于多视图立体成像中的 3D 建模，并通过大规模 DTU 基准测试对 SurfaceNet 进行了验证。

Aug, 2017

用于不均匀采样变星分类的循环神经网络

本文介绍了一种基于自编码递归神经网络的自监督分类模型，它通过对光学变星数据的学习提取特征，能够在天文调查中有效地发现和分类变量星和瞬变现象，并可应用于其他无监督任务，例如预测和异常检测。

Nov, 2017

SparkNet: 在 Spark 中训练深度神经网络

SparkNet 是一个在 Spark 上训练深度网络的框架，采用简单的并行随机梯度下降方法，具有良好的可扩展性和高延迟通信容忍度，易于部署和使用，可与现有 Caffe 模型兼容，并针对 ImageNet 数据集进行了性能基准测试。

Nov, 2015

SpectralNet：使用深度神经网络进行谱聚类

本篇论文提出了一种名为 SpectralNet 的深度学习方法，通过在大量的未标注数据上训练，将输入的数据转换为与其相连的图拉普拉斯矩阵的特征空间的向量，并成功地应用于谱聚类，实现了对谱聚类中可扩展性以及广义化转化的双重突破。

Jan, 2018

深度神经网络实现人类水平的光谱分类和红移测量

QuasarNET 是一款深度卷积神经网络，可分类和估算星系物理光谱的红移。该网络解决了光谱学的两个问题：存在或不存在波长决定样本，其频移程度则决定其红移，从而极大地减少了线的混淆和红移失败。

Aug, 2018