AstroSpectra-MNIST: An Astronomical Spectral Dataset for Benchmarking Machine Learning Algorithms

AstroSpectra-MNIST ist ein neuartiger Datensatz, der entwickelt wurde, um maschinelle Lernalgorithmen für die astronomische Spektralklassifizierung zu vergleichen. Der Datensatz wandelt 1D-Spektraldaten in 2D-Bilder um, was den Einsatz von Deep-Learning-Techniken ermöglicht. Es geht auf die Herausforderung einer unausgewogenen Stichprobenverteilung in astronomischen Daten ein, indem es ein standardisiertes Format bereitstellt. Der Text diskutiert die Entstehung von AstroSpectra-MNIST, seine Struktur und die experimentellen Ergebnisse, die verschiedene maschinelle Lern- und Deep-Learning-Modelle vergleichen. Der Datensatz umfasst zwei Versionen: v1 mit drei Hauptkategorien (Sterne, Galaxien und Quasare) und v2 mit drei Unterkategorien von Sternen (F-Typ, G-Typ und K-Typ). Die Experimente zeigen, dass Deep-Learning-Modelle herkömmliche maschinelle Lernmodelle übertreffen und deutliche Verbesserungen bei Genauigkeit und Stabilität aufweisen. Der Text unterstreicht auch die erhöhte Schwierigkeit des v2-Datensatzes aufgrund größerer Ähnlichkeit der Merkmale zwischen den Klassen. Insgesamt bietet AstroSpectra-MNIST einen neuen Ansatz zur astronomischen Spektralklassifizierung, der die Vorteile des tiefen Lernens in der Bilderkennung nutzt.