Fast and accurate estimation for astrophysical problems in large databases
Notice bibliographique
Résumé
In this proposed thesis, I will develop efficient non-parametric methods for parameter estimation in large databases of high-dimensional, noisy data. Specifically, I plan to continue exploring the efficacy of the diffusion map method of data transformation, used in conjunction with the Nyström extension, in uncovering underlying structure in complicated, high-dimensional data sets. I will explore models that effectively exploit this structure to accurately estimate scientific parameters of interest. Additionally, I will formulate multi-scale methods that generate data-driven bases within local partitions to allow for the modeling of more complicated data. The proposed methods will be tested on three research problems in astrophysics: estimation of star formation history (SFH) in galaxies using spectra from the Sloan Digital Sky Survey (SDSS), photometric redshift estimation using data from the SDSS Photometric Survey and the Canada-France-Hawaii Telescope Legacy Survey, and detection of classes of quasar and outliers using SDSS spectra. Preliminary work has already shown promise in the proposed methods for both SFH estimation (Richards et al. 2009) and photometric redshift estimation (Freeman et al. 2009). 1 Astronomical survey data Technological advancements in observational astronomy have caused a recent flood of astronomical surveys that collect data from billions of objects. 1 Modern surveys amass data for different types of astronomical object (e.g. stars, galaxies, quasars) across the entire electromagnetic spectrum,
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,070 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,009 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».