首页|一个面向原始数据搜寻的快速射电暴数据集

一个面向原始数据搜寻的快速射电暴数据集

扫码查看
原文链接
  • 万方数据
  • 维普
快速射电暴是目前国际天文学新兴前沿热点,随着海量观测数据带来的处理和分析的挑战,亟需开展快速射电暴信号智能搜寻和甄别的研究.为了加速快速射电暴搜寻研究,开发了 一套基于机器学习的快速射电暴数据集,它可以训练机器学习算法以搜寻原始数据中的快速射电暴.目前数据集有8020个快速射电暴、4010个背景噪声和4010个射频干扰仿真图像,这些图像是根据开放的快速射电暴观测结果构建的,并可根据需要扩展数量.本研究旨在为最先进的人工智能算法提供开源数据集,以测试和比较快速射电暴识别算法.该数据集为卷积神经网络(Convolutional Neural Network,CNN)和经典机器学习算法提供图像和numpy格式的文件.数据集可以实现快速射电暴和非快速射电暴分类,或快速射电暴、射频干扰和背景噪声分类.在本例中,使用有预训练模型的31种经典CNN算法.在快速射电暴/非快速射电暴分类中,第一个历元训练中达到90％以上的准确率,在真实数据测试中达到99.8％的最大准确率.
A machine learning dataset for FRB detection in raw data

徐志骏、安涛、郭绍光、劳保强、吕唯佳、伍筱聪

展开 >

中国科学院上海天文台,上海200030

中国科学院大学,北京100049

云南大学物理与天文学院,昆明650500

快速射电暴 机器学习 数据集 卷积神经网络 射频干扰

国家自然科学基金国家自然科学基金国家自然科学基金国家重点研发计划大科学装置前沿研究专项中国科学院青年创新促进会项目

1204130111873079119611410012018YFA04046032021258

2023

10.1360/SSPMA-2022-0258

中国科学(物理学 力学 天文学)
中国科学院

中国科学(物理学 力学 天文学)

CSTPCDCSCD北大核心
影响因子：0.644
ISSN：1674-7275
年,卷(期)：2023.53(2)
  • 3
  • 5