Aug, 2023
基于极小极大熵的领域自适应方法用于天文警报的真伪分类
Domain Adaptation via Minimax Entropy for Real/Bogus Classification of
Astronomical Alerts
Guillermo Cabrera-Vives, César Bolivar, Francisco Förster, Alejandra M. Muñoz Arancibia, Manuel Pérez-Carrasco...
TL;DR该研究在时域天文学中使用多个大规模数据集实时进行分析,开发了多源流的机器学习模型。研究者通过研究HiTS、DES、ATLAS和ZTF等四个不同数据集之间的领域转换,通过精细调整和半监督深度领域自适应的Minimax Entropy (MME)方法改进了一种纯粹深度学习分类模型的性能。通过对不同源目标场景的模型进行平衡准确性比较,发现即便仅使用目标数据集中每类一个标记样本,精细调整和MME模型都能显著提高基础模型的性能,而MME模型不会影响源数据集上的性能。