X線源分類のための機械学習データ表現の最適化

X線源の分類性能向上を目指し、異なるデータ表現を用いたCNNモデルのベンチマーク比較と解釈性評価が行われた。

• 微小な拡張X線源を区別するため、1D、2D、3Dなどの多様なデータ表現を用いたCNNモデルを評価した。
• 空間・スペクトル情報を統合した3D CNNが、最もロバストで優れた分類性能を示した。
• 3D-GradCAMによる解釈性分析により、モデルが銀河団の拡散熱放射とAGNの非熱的シグネチャを自律的に区別していることが分かった。
• 手動の背景減算を不要とする、一貫したエンドツーエンドの自動分類パイプラインを提供している。

原文タイトル: Data Representation Matters: Optimizing Machine Learning for X-ray Source Classification by Leveraging Spatio-Spectral Information

arXiv で原文を見る

この要約は AI が生成したものであり、arXiv および論文著者の見解ではありません。