10.3964/j.issn.1000-0593(2018)08-2374-05
一种基于遗传优化的BP神经网络的测光红移估计算法
除了星系的光谱红移之外,星系测光红移的估计也对研究宇宙大尺度结构及演变有着重要的研究意义.利用斯隆巡天项目最新发布的SDSS DR13的150000个星系的测光及光谱数据,在红移值Z<0.8范围内,先使用SOM自组织神经网络对星系样本进行早型星系和晚型星系的聚类,然后用遗传算法优化后的BP神经网络对星系的测光红移进行估算.估算结果与作为标准的已知星系光谱红移进行比对,早型星系的红移估计最小均方误差约为0.0013,晚型星系最小均方误差约为0.0017.实验结果表明,遗传优化的BP算法在精度上优于BP神经网络算法,且效率上优于K近邻、核回归等传统测光红移估计算法.
测光红移、遗传优化、SOM自组织网络、GABP神经网络
38
P157.2(恒星天文学、星系天文学、宇宙学)
国家自然科学基金项目11403059 ,国家自然科学基金委员会-中国科学院天文联合基金项目U1531242 ,河北省科技支撑计划15212105D
2018-08-24(万方平台首次上网日期,不代表论文的发表时间)
共5页
2374-2378