• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Astronomical Union., Symposium >Exploring the spectroscopic diversity of type Ia supernovae with Deep Learning and Unsupervised Clustering
【24h】

Exploring the spectroscopic diversity of type Ia supernovae with Deep Learning and Unsupervised Clustering

机译：深受深层学习和无预测聚类的IA Supernovae的光谱分析

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The existence of multiple subclasses of type Ia supernovae (SNela) has been the subject of great debate in the last decade. In this work, we show how machine learning tools facilitate identification of subtypes of SNela. Using Deep Learning for dimensionality reduction, we were capable of performing such identification in a parameter space of significantly lower dimension than its principal component analysis counterpart. This is evidence that the progenitor system and the explosion mechanism can be described with a small number of initial physical parameters. All tools used here are publicly available in the Python package DRACULA (Dimensionality Reduction And Clustering for Unsupervised Learning in Astronomy) and can be found within COINtoolbox (https://github.com/COINtoolbox/DRACULA).
机译：IA型超新星（SNELA）的多个子类存在于过去十年中的争论主题。在这项工作中，我们展示了机器学习工具如何有助于识别Snela的亚型。利用深度学习的维度减少，我们能够在比其主要成分分析对应物的尺寸明显更低的参数空间中执行这种识别。这证明了祖母系统和爆炸机制可以用少量初始物理参数描述。这里使用的所有工具都在Python Package Dracula（在天文学中无监督学习的维度减少和聚类）中公开提供，并且可以在Cinintoolbox（https://github.com/cointoolbox/dracula中）找到。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号