每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

StarEmbed：基于变星天文观测的时间序列基础模型基准测试

Created by
  • Haebom

作者

李伟建、陈宏宇、林勤杰、Nabeel Rehemtulla、Ved G. Shah、Dennis Wu、Adam A. Miller、刘瀚

大纲

本文介绍了 StarEmbed，这是一个针对天文时间序列数据（恒星亮度变化，或称“光变曲线”）的时间序列模型 (TSFM) 的基准测试。我们使用从 Zwicky 瞬变实验装置 (Zwicky Transient Facility) 获取的约 40,000 条带标签的光变曲线，评估 TSFM 在非分布源检测等下游任务上的性能。我们将 TSFM（MOIRAI、Chronos、Chronos-Bolt 和 Astromer）与现有的天体物理特征提取方法进行了比较，结果表明 Chronos 模型优于现有方法，并能有效泛化至新数据。值得注意的是，TSFM 在非分布源检测基准测试中取得了最佳性能。

Takeaways, Limitations

•
Takeaways：
◦
我们证明 TSFM 可以有效地应用于天文时间序列数据的分析。
◦
包括 Chronos 模型在内的 TSFM 优于现有的天体物理方法。
◦
我们证明了 TSFM 在分布外源检测中的卓越性能。
◦
我们提出了一种用于分析大规模数据集的新方法（基于基础模型）。
•
Limitations：
◦
基准测试中使用的 TSFM 模型类型有限。
◦
评估的下游工作范围有限。
◦
该模型的泛化性能还有待进一步研究。
◦
所提出的基准仅限于特定的天体物理数据。
👍
Made with Slashpage