CRAFTS 관측 데이터에서 딥러닝 기반 자동 Hi 소스 식별 및 분할
CRAFTS 관측 데이터를 활용하여 Hi 소스를 정확하고 효율적으로 식별 및 분할하기 위해 3D-Unet 딥러닝 모델을 구현하였다.
최신 SDSS 데이터를 활용한 최적화된 별-은하 분류를 위한 새로운 섹터 기반 알고리즘
본 연구는 SDSS 관측 패턴에 맞춰 하늘을 섹터로 나누고 전용 CNN 모델을 활용하여 별-은하 분류 성능을 크게 향상시킨다.
노이즈가 있는 데이터에서 음수 값을 포함하는 비음수 행렬 분해를 위한 알고리즘
노이즈로 인해 음수 값이 포함된 데이터에서도 비음수 제약을 유지하며 효과적으로 템플릿과 계수를 추출할 수 있는 Shift-NMF와 Nearly-NMF 알고리즘을 제안한다.
실시간 천문 천이체 다중 클래스 이상치 탐지를 위한 분류기 기반 접근법
본 연구는 천문 천이체 데이터에서 실시간으로 이상치를 효과적으로 탐지하기 위해 분류기 기반의 새로운 접근법을 제안한다. 이를 위해 신경망 분류기를 활용하여 잠재 공간을 생성하고, 각 클래스별로 독립적인 isolation forest를 학습하는 Multi-Class Isolation Forests (MCIF) 방법을 고안하였다.
광학 시간 영역 천문학에서 거리 기반 분류기 DistClassiPy의 활용
다양한 거리 지표를 활용하여 변광성 천체의 광도 곡선을 효과적으로 분류할 수 있는 새로운 거리 기반 분류기 DistClassiPy를 개발하였다.
광범위한 시간 영역 데이터에서 DistClassiPy를 이용한 효율적인 광도 곡선 분류
다양한 거리 지표를 활용하여 광도 곡선을 효과적으로 분류하고 차원 축소할 수 있는 새로운 거리 기반 분류기 DistClassiPy를 개발하였다.
실시간 천문 데이터에서 특이점 탐지를 위한 시그니처 기반 프레임워크
본 연구는 실시간 데이터 스트림에서 이상치를 탐지하기 위한 SigNova라는 새로운 반지도 학습 프레임워크를 소개한다. 이 프레임워크는 시그니처 변환을 사용하여 관측 시퀀스에서 요약 통계량을 추출하고, 이를 바탕으로 이상치 점수를 계산하여 전파 간섭(RFI)을 탐지한다. 또한 세그멘테이션 알고리즘을 통해 RFI가 발생한 구간을 정확하게 localize할 수 있다.
실시간 천문 데이터에서 특이점 탐지를 위한 시그니처 기반 프레임워크
본 연구는 실시간 데이터 스트림에서 이상치를 탐지하기 위한 SigNova라는 새로운 반지도 학습 프레임워크를 소개한다. 이 프레임워크는 천문 관측 데이터에서 전파 간섭(RFI)을 효과적으로 탐지할 수 있으며, 다양한 유형의 RFI를 정확하게 식별하고 위치를 특정할 수 있다.