我是物理和CS专业的学生。我的任务之一是寻找超新星。超新星的发现是乏味而艰难的。通过对比现在和以前的图片,我们可能会在图片上发现一些亮点,那就是超新星。像这样,
画面噪点多,而且由于仪器不稳定,或者其他灯光造成错觉,总是有很多鬼点。
然而,超新星有一些明显的特征,它总是出现在恒星周围。光的形状是圆形。等等。已经有一些常规方法用于此。但他们的表现并不好。
所以我想知道是否值得在 CNN 上尝试一下。CNN 可以在哪些数据上做得好?
谢谢。
所以我想知道是否值得在 CNN 上尝试一下。
我认为 CNN 在这个问题上是矫枉过正。
CNN 可以在哪些数据上做得好?
结构中具有复杂局部关系和大量特征的数据。您使用跨局部框架的卷积来学习表示。
你遇到的问题很简单。你没有很多参数,即颜色是灰度的,超新星的表示都包含在它发生的附近。
我认为使用一些非常简单的算法可能会取得更大的成功,例如:
仅这些将大大减少问题的计算量。从那里,您可以采用多种 ML 方法。
CNN 通常用于具有高度复杂非线性关系的非常大的数据集。这(可能?)是一个大数据集,但在这个特定任务中它肯定并不复杂。