深度神经网络已初次被用以科学研究暗物质
来源： 系统大全 2019/09/24 18:26
暗物质和暗能量始终是宇宙学家和科学家科学研究的主题风格，她们已经勤奋全方位掌握人们周边的全球。宇宙空间的构成是这种科学研究工作人员始终试着研究的部分。尽管科学研究工作人员估算一般化学物质（重子化学物质），暗物质和暗能量将会各自占宇宙空间总物质量的为5％，27％和68％，但她们始终在试着改进这种估算并提升所选用统计方法的测算剖析宇宙学统计数据。
近期，来源于苏黎世联邦政府理工大学的1组科学研究工作人员公布了一篇文章相关这一主题风格的毕业论文。在一篇文章名为“ 从KiDS-450弱镜片图上开展深度神经网络的宇宙学约束力 ”的毕业论文中，科学研究工作人员精英团队运用卷积神经网络详解了科学研究宇宙空间暗物质的方式 。
该精英团队最先应用Nvidia P100 GPU对来源于电子计算机转化成的宇宙空间仿真模拟的统计数据开展卷积神经网络（CNN）训炼。那样，实体模型就能够学习培训各种各样掩藏特点和与实体模型有关的物品，进而提升其精确性。接着，将训练有素的实体模型与KiDS-450断层扫描弱镜片uci数据集开展检测，该uci数据集包括大概1500万个星系的样子。
在結果中，科学研究工作人员发觉，根据深度神经网络的实体模型比传统式的推理方法主要表现更强。具体来说，前面一种出示的精确值比生物学家应用传统式统计方法算出的精确提高30％。除此之外，该实体模型还比应用哈勃望远镜快。科学研究精英团队表达，仅从望眼镜搜集统计数据开展试验就将花销二倍的時间。
苏黎世联邦政府理工大学的博士研究生和该科学研究的关键创作者Janis Fluri评价了该精英团队的工作中，称它是制造行业创新的，它容许从剖析的统计数据中获取其他信息：
“它是在这种情况下初次应用这类深度学习专用工具。人们发觉，深层次神经网络算法使人们可以从统计数据中获取比之前的方式 大量的信息内容。人们坚信，深度学习在宇宙学中的这类应用将具备很多将来的运用。”
在论文摘要中，科学研究工作组宣称该技术性是将来宇宙学数据统计分析中极具市场前景：
人们将该結果与同样地形图和似然pipeline上的输出功率谱分析开展较为，发觉CNN约可提升30％。人们探讨了人们的結果怎样为在将来宇宙学数据统计分析中应用深度神经网络出示优异的市场前景。
近期，来源于苏黎世联邦政府理工大学的1组科学研究工作人员公布了一篇文章相关这一主题风格的毕业论文。在一篇文章名为“ 从KiDS-450弱镜片图上开展深度神经网络的宇宙学约束力 ”的毕业论文中，科学研究工作人员精英团队运用卷积神经网络详解了科学研究宇宙空间暗物质的方式 。
该精英团队最先应用Nvidia P100 GPU对来源于电子计算机转化成的宇宙空间仿真模拟的统计数据开展卷积神经网络（CNN）训炼。那样，实体模型就能够学习培训各种各样掩藏特点和与实体模型有关的物品，进而提升其精确性。接着，将训练有素的实体模型与KiDS-450断层扫描弱镜片uci数据集开展检测，该uci数据集包括大概1500万个星系的样子。
在結果中，科学研究工作人员发觉，根据深度神经网络的实体模型比传统式的推理方法主要表现更强。具体来说，前面一种出示的精确值比生物学家应用传统式统计方法算出的精确提高30％。除此之外，该实体模型还比应用哈勃望远镜快。科学研究精英团队表达，仅从望眼镜搜集统计数据开展试验就将花销二倍的時间。
苏黎世联邦政府理工大学的博士研究生和该科学研究的关键创作者Janis Fluri评价了该精英团队的工作中，称它是制造行业创新的，它容许从剖析的统计数据中获取其他信息：
“它是在这种情况下初次应用这类深度学习专用工具。人们发觉，深层次神经网络算法使人们可以从统计数据中获取比之前的方式 大量的信息内容。人们坚信，深度学习在宇宙学中的这类应用将具备很多将来的运用。”
在论文摘要中，科学研究工作组宣称该技术性是将来宇宙学数据统计分析中极具市场前景：
人们将该結果与同样地形图和似然pipeline上的输出功率谱分析开展较为，发觉CNN约可提升30％。人们探讨了人们的結果怎样为在将来宇宙学数据统计分析中应用深度神经网络出示优异的市场前景。
