多任务Lasso回归法在恒星光谱物理参量估计中的应用

• 作者: 常丽娜 张培爱
• 来源期刊: 天文学报
• 学科: 地球科学
• 关键词: 恒星:基本参数 方法:数据分析 方法:统计 方法:其它诸多方面
• 年，卷（期）: 2015,（1）
• 页码范围: 26-34
• 页数: 9页
• 分类号: P144
• 字数: 4925字
• 语种: 中文
• DOI: 10.15940/j.cnki.0001-5245.2015.01.004

摘要

多任务学习方法在机器学习、计算机视觉、人工智能领域已得到广泛关注,利用任务间的相关性,将多个任务同时学习的效果优于每个任务单独学习的情况.采用多任务Lasso回归法(Multi-task Lasso Regression)用于恒星光谱物理参量的估计,不仅可以获取不同物理参量间的共同的特征信息,而且也可以很好地保留不同物理参量的特有的补充信息.使用恒星大气模拟模型合成光谱库ELODIE中的光谱数据和美国大型巡天项目Sloan发布的SDSS实测光谱数据进行实验,模型估算精度优于相关文献中的方法,特别是对重力加速度(lg g)和化学丰度([Fe/H])的估计.实验中通过改变光谱的分辨率,施加不同信噪比(SNR)的噪声,来说明模型的稳定性强.结果表明,模型精度受光谱分辨率和噪声的影响,但噪声对其影响更大,可见,多任务Lasso回归法不仅操作简便,稳定性强,而且也提高了模型的整体预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	常丽娜	暨南大学信息科学技术学院	1	6	1.0	1.0
2	张培爱	暨南大学信息科学技术学院	12	55	5.0	6.0