Improved Type III solar radio burst detection using congruent deep learning models

要約

太陽フレアは、太陽大気中のエネルギー的な現象であり、太陽電波バースト (SRB) と関連付けられることがよくあります。
SRB はメトリックからデカメトリックの波長で観測され、動的スペクトルの特徴に基づいて 5 つのスペクトル クラス (タイプ I ～ V) に分類されます。
SRB の自動検出と分類は、その形状が異種であるため困難です。
近年、LOw Frequency ARray (LOFAR) などの高度な電波望遠鏡によって生成されるデータ レートが大きいため、SRB のほぼリアルタイムの検出と分類が必要になってきています。
この研究では、タイプ III SRB を自動的に検出および分類するための合同深層学習モデルを実装します。
私たちは、敵対的生成ネットワーク (GAN) として知られる深層学習手法を使用して、実際の観測で見られるタイプ III に匹敵するシミュレートされたタイプ III SRB を生成しました。
このシミュレートされたデータは LOFAR からの観測結果と結合され、YOLOv2 (You Only Look Once) として知られる物体検出モデルのトレーニングに使用されるトレーニング セットが生成されました。
この合同深層学習モデル システムを使用すると、平均平均精度 (mAP) 値 77.71% でタイプ III SRB を正確に検出できます。

要約(オリジナル)

Solar flares are energetic events in the solar atmosphere that are often linked with solar radio bursts (SRBs). SRBs are observed at metric to decametric wavelengths and are classified into five spectral classes (Type I–V) based on their signature in dynamic spectra. The automatic detection and classification of SRBs is a challenge due to their heterogeneous form. Near-realtime detection and classification of SRBs has become a necessity in recent years due to large data rates generated by advanced radio telescopes such as the LOw Frequency ARray (LOFAR). In this study, we implement congruent deep learning models to automatically detect and classify Type III SRBs. We generated simulated Type III SRBs, which were comparable to Type IIIs seen in real observations, using a deep learning method known as Generative Adversarial Network (GAN). This simulated data was combined with observations from LOFAR to produce a training set that was used to train an object detection model known as YOLOv2 (You Only Look Once). Using this congruent deep learning model system, we can accurately detect Type III SRBs at a mean Average Precision (mAP) value of 77.71%.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google