Uporaba konvolucijskih nevronskih mrež za identifikacijo dvojnih zvezdGorše, Jan (Avtor) Zwitter, Tomaž (Mentor) Traven, Gregor (Komentor) dvojne zvezdekonvolucijske nevronske mrežepregled neba GALAHzvezdni parametriklasifikacijaStrojno učenje je v sodobni fiziki ključnega pomena za analizo velikih podatkovnih nizov. Eden izmed ciljev pregleda neba GALAH je raziskovanje gibanja in kemične sestave zvezd v naši galaksiji z namenom razumevanja njenega nastanka in razvoja. Za ta namen si prizadeva pridobiti spektre za milijon zvezd, kar predstavlja ogromno količino podatkov, ki jih ni mogoče pregledati ročno. Poseben izziv za GALAH predstavljajo dvojne zvezde, saj lahko njihova prisotnost vpliva na napačno interpretacijo spektrov. Da bi se temu izognili in hkrati v prihodnosti čim bolj avtomatsko označevali te posebne spektre za nadaljnje preučevanje, smo s pomočjo klasifikacij spektrov, narejenih v sklopu projekta GALAH z drugimi metodami razvili več modelov konvolucijskih nevronskih mrež, prilagojenih za klasifikacijo zvezdnih spektrov v razred enojnih ali dvojnih zvezd. Vsak model je bil razvit z različnimi arhitekturnimi odločitvami, vključno z različnimi števili plasti, velikostmi filtrov in drugimi hiperparametri. Naši eksperimenti so pokazali, da ponavadi dajo večplastne arhitekture boljše rezultate, zlasti pri prepoznavanju dvojnih zvezd. Odkrili smo tudi, da določeni zvezdni parametri, kot so temperatura in površinska gravitacija, vplivajo na točnost klasifikacije. Dodatno smo pokazali, da so spektri z večjimi razlikami v radialnih hitrostih bolj točno klasificirani. Delež pravilno klasificiranih enojnih zvezd je bil večji kot delež pravilno klasificiranih dvojnih zvezd. Čeprav so se konvolucijske nevronske mreže izkazale za močno orodje za klasifikacijo zvezdnih spektrov, ostaja še veliko vprašanj o tem, kako točno se signal, ki nakazuje na dvojnost zvezde, transformira v izhodno vrednost nevronske mreže.20232024-01-05 08:15:26Magistrsko delo/naloga153428sl