买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：之江实验室

摘要：测天文光红移的标准数据集和基线模型的构建方法和系统，其方法包括：收集与测光红移任务相关的天文图像数据，进行数据预处理；计算红移真值并进行归一化处理，将红移数据转换为三元组；选择深度模型，根据分类数量修改模型头部为并行的分类头和回归头，并随机初始化网络参数；对输入样本计算分类损失和回归损失，并使用梯度下降算法更新神经网络模型参数，直至模型在训练集上的损失不再降低；联合建模深度神经网络和贝叶斯神经网络实现红移的不确定性估计；最后将训练好的模型进行部署，完成红移估计任务。本发明针对测光红移估计问题，建立了完整的机器学习数据集和基线模型方法，推进了机器学习方法在天文测光红移问题的应用。

主权项：1.测天文光红移的标准数据集和基线模型的构建方法，其特征在于，包括以下步骤：S1，收集巡天数据：收集与测光红移估计相关的巡天数据，从公开可获取的天文项目中收集数据或从不同的望远镜获取巡天数据；S2，数据预处理：将收集的红移数据根据光谱信息计算出需要预测的真值，即机器学习模型的学习目标；红移数据由多通道组成，对于每一个通道应用红化来保持特征在银河纬度的不变性；对红移数据做保持宽高比裁剪和随机翻转及旋转；将预处理后的红移数据随机划分为训练集和验证集，每个样本为多通道图像数据，红移值二元组的形式；S3，学习目标归一化：不同样本间的红移值差距较大，为了实现对学习目标的归一化，统计步骤S2中红移的最大值M和最小值m，并将区间[m,M]均匀划分为若干个小区间，对每一个样本，记录其红移值位于哪一个小区间范围内，并记作其分类标签；利用小区间的长度将划分的小区间归一化；记样本j的红移真值为t，划分的区间数量为n，则小区间长度为d=M-m，将每个样本所处的小区间索引记作其分类标签qi,i=1,2,...,n;将回归目标归一化避免不同样本真值间的尺度差异，即回归目标tj为t%d，属于0,1区间，样本j的标签为qi,tj；S4，构建神经网络模型：选择主流的卷积神经网络或者Transformer神经网络作为骨干，根据步骤S3中小区间的数量，构建神经网络模型的分类头和回归头，并初始化神经网络参数；S5，模型训练：利用经步骤S3处理后的红移图像数据和对应的类别标签及回归目标，使用监督学习的方式训练S4步骤中构建的神经网络模型，直到模型在步骤S2中的训练数据集上的损失不再降低，停止训练；S6，模型部署：将步骤S5中训练好的神经网络模型部署到终端设备上，终端设备将接收的新的天文数据，并输入到训练好的神经网络模型，得到对输入样本的红移预测。

全文数据：

权利要求：

百度查询： 之江实验室 测天文光红移的标准数据集和基线模型的构建方法和系统