गैलेक्सी स्पेक्ट्रा के वर्गीकरण के लिए एक आर्टिफिशियल न्यूरल नेटवर्क दृष्टिकोण

हम रेडशिफ्ट सर्वेक्षणों के विशिष्ट निम्न सिग्नल-टू-नॉइज़ (S/N) स्पेक्ट्रा वाली आकाशगंगाओं के स्वचालित वर्गीकरण के लिए एक विधि प्रस्तुत करते हैं। हम 2dF Galaxy Redshift Survey के मापदंडों पर आधारित स्पेक्ट्रल सिमुलेशन विकसित करते हैं, और इन सिमुलेशनों के साथ हम विशेष रूप से निम्न S/N के स्पेक्ट्रा पर लागू होने वाली प्रिंसिपल कंपोनेंट एनालिसिस की तकनीक की जांच करते हैं। हम वस्तुनिष्ठ मुख्य घटकों को स्पेक्ट्रा की विशेषताओं से जोड़ते हैं और निम्न गुणवत्ता वाले स्पेक्ट्रा से अंतर्निहित सिग्नल को सफलतापूर्वक पुनर्निर्मित करने के लिए घटकों की एक छोटी संख्या का उपयोग करते हैं। मुख्य घटकों को इनपुट के रूप में उपयोग करते हुए, हम शोरयुक्त सिम्युलेटेड स्पेक्ट्रा को रूपात्मक वर्गों में वर्गीकृत करने के लिए एक आर्टिफिशियल न्यूरल नेटवर्क को प्रशिक्षित करते हैं, जिससे स्रोत के प्रेक्षित b\ ₉ परिमाण के मुकाबले वर्गीकरण की सफलता का पता चलता है, जिसकी तुलना हम वर्गीकरण के वैकल्पिक तरीकों से करते हैं। हम पाते हैं कि b\ ₉=19. 7 पर सिमुलेशन के लिए सामान्य आकाशगंगाओं के हमारे नमूने के 90\\% से अधिक को पाँच व्यापक रूपात्मक वर्गों में से एक में सही ढंग से वर्गीकृत किया गया है। डेटा को अलग-अलग सेटों में विभाजित करके हम दिखाते हैं कि Hubble sequence पर वर्गीकरण केवल सामान्य आकाशगंगाओं के लिए प्रासंगिक है और असामान्य विशेषताओं वाले स्पेक्ट्रा को मुख्य रूप से उनके स्पेक्ट्रल हस्ताक्षरों के आधार पर एक वर्गीकरण योजना में शामिल किया जाना चाहिए। हम चर्चा करते हैं कि कैसे सामान्य और असामान्य गैलेक्सी स्पेक्ट्रा में अंतर करने के लिए एक आर्टिफिशियल न्यूरल नेटवर्क का उपयोग किया जा सकता है, और गैलेक्सी रेडशिफ्ट सर्वेक्षणों से स्पेक्ट्रा के लिए इन परिणामों के संभावित अनुप्रयोग पर चर्चा करते हैं।