曲美霞
- 作品数:3 被引量:3H指数:1
- 供职机构:山东大学威海分校更多>>
- 发文基金:山东省自然科学基金国家自然科学基金中央级公益性科研院所基本科研业务费专项更多>>
- 相关领域:自动化与计算机技术哲学宗教更多>>
- 基于生成对抗网络的白矮主序双星光谱分解研究被引量:1
- 2020年
- 白矮主序双星是一类双星系统,主星是一颗白矮星,伴星是一颗小质量的主序星。白矮主序双星对研究致密双星的演化特别是公共包层的演化有着重要的意义。通过研究白矮主序双星的光谱,可以获取许多物理参数如有效温度、金属丰度、表面重力加速度等。这些物理参数的准确测量,不仅可以解决白矮主序双星等密近双星的分类问题,而且为研究双星理论模型提供了基础数据。白矮主序双星的光谱是复合光谱,由主星和伴星的光谱构成。其光谱存在两大局限性,一是噪声的干扰;二是蓝端和红端分别被主星和伴星的光谱特征抑制。通过分析白矮主序双星光谱,将光谱进行分解,分别获得白矮星和伴星的光谱是一个非常有意义的课题。目前主流的分解方法是使用大量的白矮星和M型恒星模板光谱对白矮主序双星光谱进行拟合,并用最好的一组光谱组合代表白矮星和伴星的光谱,由此获得恒星的各种物理参数。由于这种方法需要遍历所有的光谱组合,通过模板进行χ2最小化进行匹配,导致算法需要消耗大量的计算资源。生成对抗网络在信号重构上有较好的效果和应用,基于生成对抗网络,通过搭建一个用于分解白矮主序双星光谱的神经网络来实现光谱分解,通过网络直接生成白矮星和伴星的光谱。该网络模型是一个无监督的学习模型,模型训练时只需要白矮主序双星光谱、白矮星模板光谱、M型恒星模板光谱三种光谱数据进行训练,不需要其他分解方法的中间结果。所提出的模型易于优化,部分网络模型可以用卷积神经网络、循环神经网络等替换,那些可用于对抗神经网络的改进和优化方法也同样适用于该网络模型。该实验模型使用PyTorch深度学习框架进行搭建,并用GPU加速训练。使用该方法对SDSS的1746条白矮主序双星光谱进行分解,并与其他方法进行比较,结果表
- 姜斌曲美霞李青苇曹书画钟云鹏
- 可计算性逻辑研究进展
- 2019年
- 可计算性逻辑(Computability Logic,简称CoL)在交互计算算法理论、运算集合和基于Cirquent的推理系统等方面得到持续研究。在可计算性逻辑中,经典逻辑的公式表示成了交互计算的问题;求解可计算性问题的过程可以看成是机器(计算部件)和环境(输入输出部件)之间的博弈;经典逻辑的公式“真”值表示在可计算性逻辑中存在着一个有效解;推理系统的建立采用自然演绎推理方法,图形化表示的cirquent允许不同的父结点可以有相同的子结点,保证资源可以共享,资源共享还可以有选择进行区分,而且,这种基于电路式的推理已经证明比传统的Gentzen相继式推理证明效率有指数级的提高。Cirquent演算的灵活性、高效性、表达性强等特点,使它正成为CoL的一种公理化工具。
- 夏卫国曲美霞
- LAMOST-DR1中激变变星光谱的数据挖掘研究被引量:2
- 2016年
- LAMOST-DR1是郭守敬望远镜正式巡天发布的首批数据,其数量超过目前世界上所有已知恒星巡天项目的光谱总数。这为进一步扩大特殊和稀少天体如激变变星的数量提供了样本,同时也对天文数据处理方法和技术提出了更高的要求。针对LAMOST的数据特点,提出一种能够在海量天体光谱中自动、快速发现激变变星的方法。该方法使用拉普拉斯特征映射对天体光谱进行降维和重构。结果表明不同类别的天体光谱在拉普拉斯空间中能够得到较明显的区分。在使用粒子群算法对神经网络的参数进行优化后,对LAMOST-DR1的全部数据进行了自动识别。实验共发现了7个激变变星,经过证认,其中2个是矮新星,2个是类新星,1个是高度极化的武仙座AM型。这些光谱,补充了现有的激变变星光谱库。本文验证了拉普拉斯特征映射对天体光谱进行特征提取的有效性,为高维光谱进行降维提供了另一途径。在郭守敬望远镜正式发布的数据中寻找激变变星的首次尝试,实验结果表明该自动化的方法鲁棒性好,速度快,准确率高。该方法也可用于其他大型巡天望远镜的海量光谱处理。
- 姜斌李紫宣曲美霞王文玉罗阿理
- 关键词:数据挖掘拉普拉斯特征映射激变变星