基于主成分分析法搭建A型星有效温度的神经网络模型
文献类型：期刊论文
| 作者 | 李正泽2; 赵刚2
|
| 刊名 | 天文研究与技术
 |
| 出版日期 | 2020 |
| 卷号 | 17.0期号:003页码:366 |
| 关键词 | 神经网络 主成分分析 A型星 |
| ISSN号 | 1672-7673 |
| 英文摘要 | 大天区面积多目标光纤光谱天文望远镜(Large Sky Area Multi-Object Fiber Spectroscopy Telescope,LAMOST,又叫郭守镜望远镜)巡天项目提供了海量恒星光谱数据,DR5数据集中包含大量A型星谱线指数和有效温度的信息。机器学习算法可以发掘数据底层相互关系的神经网络模型,已广泛应用于多个学科。通过使用DR5数据集中的A型星19种谱线指数和有效温度,通过主成分分析法给出了每种谱线指数占整个数据信息的百分比,并以此为基础,选取与有效温度关系最紧密的12种谱线指数,利用有效温度误差小于100 K的数据训练得到有效温度的神经网络回归模型。模型在测试数据集上整体表现较好,程序给出的决定系数R2为0.904,平均绝对误差为58.38 K。对比相关研究的模型,测量准确度有了明显提升。此外,通过建立模型,对有效温度误差大于100 K的原始数据重新进行测量,得到的有效温度绝对误差的平均值有了明显下降;同时DR5数据集中A5型恒星数据缺少有效温度参数,通过模型的测量,对这一部分数据进行了补充。 |
| 语种 | 英语 |
| 源URL | [http://ir.bao.ac.cn/handle/114a11/63274]  |
| 专题 | 中国科学院国家天文台 |
| 作者单位 | 1.中国科学院大学 2.中国科学院国家天文台 |
| 推荐引用方式 GB/T 7714 | 李正泽,赵刚. 基于主成分分析法搭建A型星有效温度的神经网络模型[J]. 天文研究与技术,2020,17.0(003):366. |
| APA | 李正泽,&赵刚.(2020).基于主成分分析法搭建A型星有效温度的神经网络模型.天文研究与技术,17.0(003),366. |
| MLA | 李正泽,et al."基于主成分分析法搭建A型星有效温度的神经网络模型".天文研究与技术 17.0.003(2020):366. |
入库方式： OAI收割
来源：国家天文台
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。