私は物理学と CS を専攻している学生です。私の仕事の 1 つは、超新星を見つけることです。超新星の発見は退屈で大変です。現在と以前の画像を比較すると、画像上に明るい点が見られる場合があり、それが超新星である可能性があります。このように、
画像にはノイズが多く、機器の不安定性や他の光が錯覚を起こすため、常に多くのゴーストスポットが発生します。
しかし、超新星にはいくつかの明らかな特徴があり、常に恒星の周りに現れます。光の形は円です。etc.すでにいくつかの従来の方法が使用されています。しかし、彼らは良いパフォーマンスを持っていません。
だからCNNでやってみる価値はあるのかな。CNN がうまく処理できるのは、どのような種類のデータですか?
ありがとう。
だからCNNでやってみる価値はあるのかな。
CNN は、この問題に対してやり過ぎだと思います。
CNN がうまく処理できるのは、どのような種類のデータですか?
構造内に複雑なローカライズされた関係と多数の特徴を持つデータ。ローカル フレーム全体で畳み込みを使用して、表現を学習します。
あなたが抱えている問題は非常に単純です。多くのパラメーターはありません。つまり、色はグレースケールであり、超新星の表現はすべて、その発生のすぐ近くに含まれています。
次のような非常に単純なアルゴリズムを使用すると、おそらくより多くの成功を収めることができると思います。
これらだけでも、問題の計算サイズが大幅に削減されます。そこから、取ることができる多くの ML アプローチがあります。
CNN は一般に、非常に複雑な非線形関係を持つ非常に大きなデータ セット用です。これは (多分?) ビッグ データ セットですが、この特定のタスクでは確かに複雑ではありません。