- Квазаров факторен анализ — Неконтролиран и вероятностен алгоритъм за прогнозиране на квазарния континуум с латентен факторен анализ (arXiv)
Автор: Zechang Sun, Yuan-Sen Ting, Zheng Cai
Резюме: От първото си откритие квазарите са основни сонди на далечната Вселена. Въпреки това, поради нашите ограничени познания за неговата природа, предсказването на присъщите квазарни континууми затруднява тяхното използване. Съществуващите методи за възстановяване на квазарния континуум често разчитат на ограничен брой висококачествени квазарни спектри, които може да не уловят пълното разнообразие на квазарната популация. В това изследване ние предлагаме неконтролиран вероятностен модел, \textit{Quasar Factor Analysis} (QFA), който съчетава факторен анализ (FA) с физически приоритети на междугалактическата среда (IGM), за да преодолее тези ограничения. QFA улавя задното разпределение на квазарните континууми чрез генеративно моделиране на квазарни спектри. Ние демонстрираме, че QFA може да постигне най-съвременната производителност, ~2% относителна грешка, за прогнозиране на континуума в горския регион Lyα в сравнение с предишни методи. Освен това напаснахме 90 678 2‹z❤.5, SNR›2 квазарни спектри от Sloan Digital Sky Survey Data Release 16 и установихме, че за ~30% квазарни спектри, където континуумите са били зле определени с предишни методи, QFA дава визуално по-правдоподобни континууми . QFA също постига ≲1% грешка в измерванията на 1D Lyα спектъра на мощността при z~3 и ~4% при z~2.4. В допълнение, QFA определя латентни фактори, представляващи по-физически мотивирани от PCA. Ние изследваме еволюцията на латентните фактори и не съобщаваме за значително червено отместване или зависимост от яркостта, с изключение на ефекта на Болдуин. Генеративният характер на QFA също позволява стабилно откриване на отклонения; ние показахме, че QFA е ефективен при избора на отдалечени спектри на квазари, включително затихнали Lyα системи и потенциален спектър на квазари от тип II
2. Неограничен симетричен неотрицателен латентен факторен анализ за широкомащабни ненасочени претеглени мрежи (arXiv)
Автор: Zhe Xie, Weiling Li, Yurong Zhong
Резюме: Мащабни ненасочени претеглени мрежи обикновено се срещат в изследователски области, свързани с големи данни. Тя естествено може да бъде количествено определена като симетрична високоразмерна и непълна (SHDI) матрица за изпълнение на задачи за анализ на големи данни. Симетричен неотрицателен модел за анализ на латентни фактори (SNL) е в състояние ефективно да извлече латентни фактори (LF) от SHDI матрица. И все пак той разчита на схема за обучение с комбинация от ограничения, което го прави липса на гъвкавост. За да се отговори на този проблем, тази статия предлага неограничен симетричен неотрицателен модел за анализ на латентния фактор (USNL). Неговата основна идея е двойна: 1) Изходните LF са отделени от параметрите на решението чрез интегриране на неотрицателна функция за картографиране в SNL модел; и 2) Стохастично градиентно спускане (SGD) е прието за внедряване на неограничено обучение на модел заедно с осигуряване на неотрицателност на изходните LF. Емпиричните проучвания върху четири SHDI матрици, генерирани от реални приложения за големи данни, демонстрират, че USNL модел постига по-висока точност на прогнозиране на липсващи данни в сравнение с SNL модел, както и силно конкурентна изчислителна ефективност.
