КЛАССИФИКАЦИЯ СПЕКТРОВ НОРМАЛЬНЫХ ЗВЕЗД ГЛАВНОЙ ПОСЛЕДОВАТЕЛЬНОСТИ НЕЙРОННОЙ СЕТЬЮ ГЛУБОКОГО ОБУЧЕНИЯ
Ключевые слова:
Сверточные нейронные сети, глубокое обучение, спектр, звезды главной последовательностиАннотация
В данной статье рассмотрена задача классификации спектральных классов
F и A нормальных звезд главной последовательности и дано краткое описание о методе ис-
следования. Сonvolutional Neural Network (CNN) были протестированы в классификации на
двух общеизвестных наборах данных и достигнуты положительные результаты даже при
очень небольшом количестве обучающих образцов в классе. На основе полученных резуль-
татов можно утверждать, что CNN модель глубокого обучения является эффективным инст-
рументом в задачах классификации спектров звезд главной последовательности. Использо-
вания большого количества обучающих выборок повышают вычислительную точность вне
зависимости от сложности формы сигнала. Использование искусственных нейронных сетей
показывает преимущества в задачах обработки, классификаций, идентификаций большого
массива данных сложных сигналов, таких как спектров звезд главной последовательности и
других типов, радиоизлучения Солнца, а также сигналов различных астрофизических объ-
ектов. Эффективная обработка большого массива данных, использования меньшей ресурс-
ной базы за короткое время обработки – это все является актуальной задачей современных
исследований обработки сложных сигналов астрофизических объектов.
Ключевые слова: Сверточные нейронные сети, глубокое обуче
