基于卷积神经网络的快速射电暴候选体分类
文献类型：期刊论文
| 作者 | 刘艳玲1,2,3,4 ; 陈卯蒸1,2,3,4; 李健1,2,4; 闫浩1,2,4; 袁建平2,3,4
|
| 刊名 | 天文学报
 |
| 出版日期 | 2022-07-01 |
| 卷号 | 63期号:4页码:107-116 |
| 关键词 | 射电连续谱:暂现源 方法:数据分析 方法:分类 |
| ISSN号 | 0001-5245 |
| DOI | 10.15940/j.cnki.0001-5245.2022.04.011 |
| 其他题名 | Fast Radio Burst Candidate Classification with Convolutional Neural Networks |
| 产权排序 | 1 |
| 英文摘要 | 针对目前从海量的快速射电暴(Fast Radio Burst, FRB)候选体中人工筛选FRB事件难以为继的现状,提出了一种基于卷积神经网络(Convolutional Neural Networks, CNN)的FRB候选体分类方法.首先,通过真实的观测数据和仿真FRB组成训练和测试样本集.其次,建立了二输入的深度卷积神经网络模型,并对其进行训练、测试和优化,获取FRB候选体分类器.最后,利用来自脉冲星的单脉冲数据对该分类器的有效性和性能进行了验证.实验结果表明,该方法可以快速从大量候选体中准确识别出单脉冲事件,极大地提高了FRB候选体的处理速率和效率. |
| URL标识 | 查看原文 |
| 语种 | 中文 |
| CSCD记录号 | CSCD:7271935 |
| 源URL | [http://ir.xao.ac.cn/handle/45760611-7/5096]  |
| 专题 | 射电天文研究室_数字技术实验室 |
| 通讯作者 | 陈卯蒸 |
| 作者单位 | 1.新疆微波技术重点实验室乌鲁木齐830011 2.中国科学院新疆天文台乌鲁木齐830011; 3.中国科学院大学北京100049; 4.中国科学院射电天文重点实验室南京210023; |
| 推荐引用方式 GB/T 7714 | 刘艳玲,陈卯蒸,李健,等. 基于卷积神经网络的快速射电暴候选体分类[J]. 天文学报,2022,63(4):107-116. |
| APA | 刘艳玲,陈卯蒸,李健,闫浩,&袁建平.(2022).基于卷积神经网络的快速射电暴候选体分类.天文学报,63(4),107-116. |
| MLA | 刘艳玲,et al."基于卷积神经网络的快速射电暴候选体分类".天文学报 63.4(2022):107-116. |
入库方式： OAI收割
来源：新疆天文台
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。