首页> 外文期刊>The Astrophysical journal >New High-quality Strong Lens Candidates with Deep Learning in the Kilo-Degree Survey
【24h】

New High-quality Strong Lens Candidates with Deep Learning in the Kilo-Degree Survey

机译:新型高品质强镜头候选人,深入了解公斤调查

获取原文
获取外文期刊封面目录资料

摘要

We report new high-quality galaxy-scale strong lens candidates found in the Kilo-Degree Survey data release 4 using machine learning. We have developed a new convolutional neural network (CNN) classifier to search for gravitational arcs, following the prescription by Petrillo et al. and using only r -band images. We have applied the CNN to two "predictive samples": a luminous red galaxy (LRG) and a "bright galaxy" (BG) sample (r ?
机译:我们通过机器学习报告了在公斤测量数据版本4中发现的新型高品质的Galaxy-Scale强镜片候选者。我们开发了一种新的卷积神经网络(CNN)分类器,用于搜索引力弧,按照Petrillo等人的处方。并仅使用 R频带图像。我们已经将CNN应用于两个“预测样本”:发光的红色星系(LRG)和“明亮的星系”(BG)样品( R 1 21)。我们发现了286名新的高概率候选人,133来自LRG样品和153个来自BG样品。我们基于将这些候选人排名为镜头的CNN可能性以及由目视检查( P-value)产生的人类得分,在这里,我们呈现最高的82名排名候选者 p - 值≥0.5。所有这些高质量的候选人都有明显的弧形或中央红色缺陷件的特征。此外,我们定义了最好的26个对象,所有的候选人为≥0.7,作为候选人的“金色样本”。该样品预计含有极少的误报;因此,适用于后续观察。新透镜候选者部分地从这里采用的更扩展的占用空间与先前的分析相对于先前的分析,部分来自更大的预测样品(也包括BG样品)。这些结果表明,机器学习工具非常有前途对于在大型调查中找到强大的镜头,并且通过扩大超出LRG的标准假设的预测样本可以找到更多候选者。在未来,我们计划将CNN应用于来自下一代调查的数据,例如大型舞台调查望远镜,欧几里德和中国太空站光学调查。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号