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。
问问题
209 次
1 回答
1
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：
- 找到所有的恒星
- 搜索具有特定参数的任何大“斑点”光
- 搜索任何光环
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。
于 2015-11-02T09:22:50.973 回答