एक न्यूरॉनल एन्सेम्बल मॉडल आकाशगंगाओं के आपसी संवाद को वर्गीकृत करता है

2026 February 08 | स्पेनिश से अनुवादित
Imagen representativa que muestra dos galaxias en proceso de interacción o fusión, con un mapa de calor superpuesto generado por la herramienta LIME que resalta las regiones clave que el modelo neuronal considera para su clasificación.

एक न्यूरल एंसेम्बल मॉडल आकाशगंगाओं के बीच बातचीत को वर्गीकृत करता है

आकाशगंगाओं के बीच मुलाकातों को वर्गीकृत करना जटिल है क्योंकि उनकी जटिल आकृतियाँ हैं और गहन अधिगम मॉडल आमतौर पर काली पेटियाँ की तरह काम करते हैं। एक नई प्रस्तावना इसे ध्यान देने वाले न्यूरल एंसेम्बल के साथ हल करती है जो AG-XCaps, H-SNN और ResNet-GRU वास्तुकलाओं को मिलाती है। यह सिस्टम Galaxy Zoo DESI डेटासेट के साथ प्रशिक्षित होता है और LIME टूल के साथ सशक्त होता है ताकि परिणाम उत्पन्न करे जो खगोलविदों द्वारा समझे जा सकें। 🪐

एक फ्रेमवर्क जो क्लासिक विधियों को पार करता है

एंसेम्बल मॉडल असाधारण मैट्रिक्स प्राप्त करता है: 0.95 की सटीकता, 1.00 का रिकॉल, 0.97 की F1 स्कोर और 96% की सटीकता। इसका प्रदर्शन स्पष्ट रूप से रैंडम फॉरेस्ट पर आधारित संदर्भ मॉडल को पार करता है, जो फॉल्स पॉजिटिव्स को 70 से घटाकर केवल 23 मामलों तक कम करता है। इसके अलावा, इसका डिज़ाइन हल्का है, 0.45 MB का आकार, जो इसे भविष्य की मिशनों जैसे Euclid और LSST द्वारा उत्पादित विशाल डेटा वॉल्यूम का विश्लेषण करने के लिए स्केल करने की अनुमति देता है।

न्यूरल एंसेम्बल की मुख्य विशेषताएँ:
उच्च प्रदर्शन, कम आकार और निर्णयों को समझाने की क्षमता का संयोजन इस फ्रेमवर्क को वर्तमान और भविष्य के वेधशालाओं के लिए व्यावहारिक समाधान के रूप में स्थापित करता है।

व्याख्यापूर्णता मूलभूत स्तंभ के रूप में

LIME (Local Interpretable Model-agnostic Explanations) को एकीकृत करना एक महत्वपूर्ण घटक है। यह टूल हीट मैप्स उत्पन्न करता है जो इंगित करते हैं कि आकाशगंगा की छवि के कौन से पिक्सेल या क्षेत्र मॉडल के निर्णय पर सबसे अधिक प्रभाव डालते हैं। इससे शोधकर्ता समझ और सत्यापित कर सकते हैं भविष्यवाणियाँ, खगोल विज्ञान समुदाय में कृत्रिम बुद्धिमत्ता उपकरणों में विश्वास को बढ़ावा देता है।

एकीकृत व्याख्यापूर्णता की विशेषताएँ:

संबंधित लिंक