Orbit Classification of asteroids using implementation of radial Basis Function on Support Vector Machines

要約

この研究論文は、小惑星軌道を分類するための動径基底関数 (RBF) サポート ベクター マシン (SVM) の実装に焦点を当てています。
小惑星は重要な天体であり、その軌道は太陽系のダイナミクスを理解する上で重要な役割を果たします。
国際天文学連合は、さまざまな機械学習技術を実験するための遊び場を提供するデータ アーカイブを維持しています。
この研究では、小惑星を分類するための RBF SVM アルゴリズムの適用を検討します。
結果は、RBF SVM アルゴリズムがデータセットに優れた効率と精度を提供することを示しています。
また、RBF SVM アルゴリズムのパフォーマンスに対するさまざまなパラメーターの影響を分析し、最適なパラメーター設定を提示します。
私たちの研究は、小惑星軌道を分類するために機械学習技術を使用することの重要性と、この点における RBF SVM アルゴリズムの有効性を強調しています。

要約(オリジナル)

This research paper focuses on the implementation of radial Basis Function (RBF) Support Vector Machines (SVM) for classifying asteroid orbits. Asteroids are important astronomical objects, and their orbits play a crucial role in understanding the dynamics of the solar system. The International Astronomical Union maintains data archives that provide a playground to experiment with various machine-learning techniques. In this study, we explore the application of RBF SVM algorithm to classify asteroids. The results show that the RBF SVM algorithm provides a good efficiency and accuracy to the dataset. We also analyze the impact of various parameters on the performance of the RBF SVM algorithm and present the optimal parameter settings. Our study highlights the importance of using machine learning techniques for classifying asteroid orbits and the effectiveness of the RBF SVM algorithm in this regard.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google