Transfer Learning in Large Spectroscopic Surveys

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985815%3A_____%2F22%3A00562021" target="_blank" >RIV/67985815:_____/22:00562021 - isvavai.cz</a>

Výsledek na webu

<a href="http://www.aspbooks.org/publications/532/235.pdf" target="_blank" >http://www.aspbooks.org/publications/532/235.pdf</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Transfer Learning in Large Spectroscopic Surveys

Popis výsledku v původním jazyce

Transfer learning is a machine learning method that can reuse knowledge across spectroscopic archives with different distributions of observations. We applied transfer learning based on a convolutional neural network to spectra from Large Sky Area Multi-Object Fiber Spectroscopic Telescope and Sloan Digital Sky Survey archives. Taking advantage of known quasars in LAMOST DR5 version 3, we wanted to discover yet unseen quasars in SDSS DR14. Our transfer learning approach reaches 99.6% precision and 98.9% recall. We found examples of quasars previously classified as stars.

Název v anglickém jazyce

Transfer Learning in Large Spectroscopic Surveys

Popis výsledku anglicky

Transfer learning is a machine learning method that can reuse knowledge across spectroscopic archives with different distributions of observations. We applied transfer learning based on a convolutional neural network to spectra from Large Sky Area Multi-Object Fiber Spectroscopic Telescope and Sloan Digital Sky Survey archives. Taking advantage of known quasars in LAMOST DR5 version 3, we wanted to discover yet unseen quasars in SDSS DR14. Our transfer learning approach reaches 99.6% precision and 98.9% recall. We found examples of quasars previously classified as stars.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10308 - Astronomy (including astrophysics,space science)

Projekt

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2022

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Astronomical Data Analysis Software and System XXX

ISBN

978-1-58381-934-0

ISSN

—

e-ISSN

—

Počet stran výsledku

4

Strana od-do

235-238

Název nakladatele

Astronomical Society of the Pacific

Místo vydání

San Francisco

Místo konání akce

on-line

Datum konání akce

8. 11. 2020

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—