Nov, 2023

基于神经网络的 Mini-EUSO 望远镜数据中流星轨迹识别方法

PDF
TL;DRMini-EUSO 是一个广角荧光望远镜，注册了从国际空间站观测到的地球夜间大气中的紫外（UV）辐射。我们提出了两个简单的人工神经网络，可以高准确率地识别 Mini-EUSO 数据中的流星信号，从而解决了二元分类问题。我们预计类似的架构可以在其他荧光望远镜中有效用于信号识别，无论信号的性质如何。由于其简单性，这些网络可以在未来的轨道或气球实验的机载电子中实施。
mini-eusowide-angle fluorescence telescopeuv radiationmeteor signalsartificial neural networks
发现论文，激发创造
  • 神经网络在 TUS 轨道望远镜数据分类中的应用

    采用神经网络对 TUS 荧光望远镜的数据进行分类，证明即使是简单的神经网络结合某些传统数据分析方法也可以在荧光望远镜的数据分类任务中具有高效性。

    Jun, 2021

  • 宽视场小口径望远镜中深度神经网络探测和分类天文目标

    本文提出一种基于深度神经网络的天文目标检测和分类框架，通过应用 Faster R-CNN 概念及使用修改的 Resnet-50 作为骨干网络和一个特征金字塔网络来提取不同天文目标的图像特征，以提高框架的泛化能力。通过模拟和真实观测图像来训练神经网络，实现天体目标的自动检测和分类，并可以部署在 Nvidia Jetson Xavier 等嵌入式设备上进行实时检测和分类。

    Feb, 2020

  • 用于气象监测的深度机器学习：迁移学习和梯度加权类激活映射的进展

    我们开发了一种使用卷积神经网络进行候选陨石侦测分类的完全自动化流水线，并采用渐变加权类激活映射技术准确定位陨石的最可能像素位置，大大减轻了陨石科学家和站点操作员的工作量，提高了陨石追踪和分类的精确性。

    Oct, 2023

  • 基于深度神经网络的宽视场小口径望远镜光度学与星表定位框架

    本文扩展了基于深度神经网络的天文目标检测算法的能力以适用于光度学和星位学，并提出了使用迁移学习策略来训练神经网络的方法以减少算法中的认知不确定性。 该算法可在 0.125 秒内处理一幅图像并以高精度获得天体对象的类型，位置和大小，可用于增强 WFSATs 的响应速度和检测能力以便探测域内天文事件。

    Jun, 2021

  • GlobeNet：卷积神经网络用于遥感图像中的台风眼追踪

    本篇研究提出使用多层神经网络基于多通道卫星图像对复杂大气动态进行理解，为单个台风坐标预测任务进行线性回归并在东北半球获得了有趣的预测结果。

    Aug, 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

  • 神经网络集成的太阳辐射概率预测

    本文针对研究低轨道物体受热层密度影响，提出优化以 Space Environment Technologies（SET）为基础的 $F_{10.7cm}$ 预测的方法，使用神经网络集成、多层感知器和长短期记忆等模型，其中最佳模型为组合多步预测和动态预测的集成方法，相较于基线，均方根误差相对提升在 45% 至 55% 间。

    Jun, 2023

  • 使用神经网络在小口径广视场望远镜中进行光学瞬变天体分类

    本文提出了两种基于神经网络的瞬变分类方法，并通过对真实观测数据的测试发现，这两种方法均可以达到超过 94％的分类准确度，但它们对于不同目标具有不同的分类特性。基于这一结果，我们建议使用集成学习方法进一步提高分类准确性至超过 97％。

    Apr, 2019

  • 使用 U-Nets 创建太阳日冕高保真虚拟观测

    本文介绍了如何利用深度学习技术对 NASA Solar Dynamics Observatory 的大量数据进行处理和分析，以获得高精度的虚拟望远镜，提高观测能力和减少遥测需求。

    Nov, 2019

  • 基于 AI 增强的数据处理和发现众包技术的流星雨绘图

    该研究通过实施基于云端人工智能的自动化处理流水线和改进数据可视化来简化数据处理，并通过公众参与来提高探测的发现率。该研究描述了自动化数据摄入、处理和洞察生成的过程，并开发了一个交互式网页门户以方便流星辐射地图的可视化。迄今为止，CamS 已经发现了 200 多个新的流星群，并验证了几十个先前报道的流星群。

    Aug, 2023