基于自归一化神经网络的脉冲星候选体选择

• 作者: 刘劲 刘拓 康志伟 陈晓 马辛
• 来源期刊: 物理学报
• 关键词: 脉冲星候选体选择 自归一化神经网络 特征选择 类不平衡
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 地球物理学、天文学和天体物理学
• 页码范围: 276-283
• 页数: 8页
• 字数: 6153字
• 语种: 中文
• DOI: 10.7498/aps.69.20191582

摘要

脉冲星候选体选择是脉冲星搜寻任务中的重要步骤.为了提高脉冲星候选体选择的准确率,提出了一种基于自归一化神经网络的候选体选择方法.该方法采用自归一化神经网络、遗传算法、合成少数类过采样这三种技术提升对脉冲星候选体的筛选能力.利用自归一化神经网络的自归一化性质克服了深层神经网络训练中梯度消失和爆炸的问题,大大加快了训练速度.为了消除样本数据的冗余性,利用遗传算法对脉冲星候选体的样本特征进行选择,得到了最优特征子集.针对数据中真实脉冲星样本数极少带来的严重类不平衡性,采用合成少数类过采样技术生成脉冲星候选体样本,降低了类不平衡率.以分类精度为评价指标,在3个脉冲星候选体数据集上的实验结果表明,本文提出的方法能有效提升脉冲星候选体选择的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	康志伟	湖南大学信息科学与工程学院	41	339	10.0	17.0
2	刘劲	武汉科技大学信息科学与工程学院	34	148	8.0	11.0
3	陈晓		13	45	3.0	6.0
4	马辛	北京航空航天大学仪器科学与光电工程学院	8	20	2.0	4.0
5	刘拓	湖南大学信息科学与工程学院	3	5	1.0	2.0