矮新星是一類特殊而稀少的半相接雙星。發(fā)現(xiàn)更多的矮新星對于深入研究物質(zhì)轉(zhuǎn)移理論、理解密近雙星演化過程意義深遠(yuǎn)。利用深度學(xué)習(xí)技術(shù)提取天體光譜特征并進(jìn)而分類是天文數(shù)據(jù)處理領(lǐng)域的研究熱點(diǎn)。傳統(tǒng)的自編碼器是僅包含一個隱層的經(jīng)典神經(jīng)網(wǎng)絡(luò)模型,編碼能力有限,數(shù)據(jù)表征學(xué)習(xí)能力不足。模塊化拓寬神經(jīng)網(wǎng)絡(luò)的深度能夠驅(qū)使網(wǎng)絡(luò)繼承地學(xué)習(xí)到天體光譜的特征,通過對底層特征的逐漸抽象學(xué)習(xí)獲得高層特征,進(jìn)而提高光譜的分類準(zhǔn)確率。以自編碼器為基礎(chǔ)構(gòu)建了由輸入層、若干隱藏層和輸出層組成的基于多層感知器架構(gòu)的深度前饋堆棧式自編碼器網(wǎng)絡(luò),用于處理海量的光譜數(shù)據(jù)集,挖掘隱藏在光譜內(nèi)部具有區(qū)分度的深度結(jié)構(gòu)特征,實(shí)現(xiàn)對矮新星光譜的準(zhǔn)確分類。鑒于深度架構(gòu)網(wǎng)絡(luò)的參數(shù)設(shè)置會嚴(yán)重影響所構(gòu)建網(wǎng)絡(luò)的性能,將網(wǎng)絡(luò)參數(shù)的優(yōu)化分為逐層訓(xùn)練和反向傳播兩個過程。預(yù)處理后的光譜數(shù)據(jù)先由輸入層進(jìn)入網(wǎng)絡(luò),再經(jīng)自編碼器算法和權(quán)值共享實(shí)現(xiàn)對網(wǎng)絡(luò)參數(shù)的逐層訓(xùn)練。反向傳播階段將初始樣本數(shù)據(jù)再次輸入網(wǎng)絡(luò),以逐層訓(xùn)練所得的權(quán)值對網(wǎng)絡(luò)初始化,再把網(wǎng)絡(luò)各層的局部優(yōu)化訓(xùn)練結(jié)果融合起來,根據(jù)所設(shè)置的輸出誤差代價(jià)函數(shù)調(diào)整網(wǎng)絡(luò)參數(shù)。反復(fù)地逐層訓(xùn)練和反向傳播,直到獲得全局最優(yōu)的網(wǎng)絡(luò)參數(shù)...

【文章頁數(shù)】：5 頁

【文章目錄】：
引 言
1 構(gòu)建深度架構(gòu)網(wǎng)絡(luò)
2 實(shí)驗(yàn)與結(jié)果分析
3 結(jié) 論



本文編號：3815668