Bayesian SZNet: Bayesian deep learning to predict redshift with uncertainty

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985815%3A_____%2F22%3A00617867" target="_blank" >RIV/67985815:_____/22:00617867 - isvavai.cz</a>
Výsledek na webu
<a href="https://ascl.net/2204.004" target="_blank" >https://ascl.net/2204.004</a>
DOI - Digital Object Identifier
—

Jazyk výsledku
angličtina
Název v původním jazyce
Bayesian SZNet: Bayesian deep learning to predict redshift with uncertainty
Popis výsledku v původním jazyce
Bayesian SZNet predicts spectroscopic redshift through use of a Bayesian convolutional network. It uses Monte Carlo dropout to associate predictions with predictive uncertainties, allowing the user to determine unusual or problematic spectra for visual inspection and thresholding to balance between the number of incorrect redshift predictions and coverage.
Název v anglickém jazyce
Bayesian SZNet: Bayesian deep learning to predict redshift with uncertainty
Popis výsledku anglicky
Bayesian SZNet predicts spectroscopic redshift through use of a Bayesian convolutional network. It uses Monte Carlo dropout to associate predictions with predictive uncertainties, allowing the user to determine unusual or problematic spectra for visual inspection and thresholding to balance between the number of incorrect redshift predictions and coverage.

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

Interní identifikační kód produktu
SZNet
Technické parametry
Volně dostupný open source SW. Program je kombinace kódu v jazyce Julia a Python, hlavní analýza, dokumentace a ukázkové výsledky jsou v podobě Jupyter notebooků. Ke spuštění je třeba velký počítač s podporou tensorflow pro GPU.
Ekonomické parametry
Program na analýzu rudého posuvu kvazarů na základě SDSS spekter podrobených Bayesovksému hlubokému učení. Byl použit k výzkumu publikovanému v recenzovaném časopise.
IČO vlastníka výsledku
68407700
Název vlastníka
Fakulta informačních technologií ČVUT v Praze

Podobné výsledky(10)