公开(公告)号：CN110879874A

公开(公告)日：2020-03-13

申请号：CN201911116694.4

申请日：2019-11-15

Applicant: 北京工业大学

Inventor： 彭磊 ,  毕敬 ,  路程

IPC: G06F17/18 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种光变曲线异常检测方法，该方法旨在解决天文数据中光变曲线的异常现象由于其瞬时性导致不好检测问题，提高模型对未来观测数据的鲁棒性。该方法包括：获取光变曲线数据的时间、亮度，作为历史时间序列；对获取到的数据进行数据预处理和特征工程，分别构造训练集和测试集；使用GRU神经网络搭建模型，分别添加Dropout优化方法和BN优化方法，使用网格搜索法调整网络超参数，得到两个子模型，根据精度和稳定性进行混合优化，得到最终模型；使用训练好的模型进行预测，输出预测序列，使用格拉布斯方法进行光变曲线异常检测。

公开(公告)号：CN109816008A

公开(公告)日：2019-05-28

申请号：CN201910050810.0

申请日：2019-01-20

Applicant: 北京工业大学

Inventor： 毕敬 ,  刘子琪 ,  路程 ,  彭磊

IPC: G06K9/62 ,  G06N3/04

Abstract: 本发明公开一种基于长短期记忆网络(LSTM)的天文大数据光变曲线异常检测方法，该方法旨在解决天文数据中光变曲线的异常由于其瞬时性导致不好检测问题。该方法以地面广角相机阵列(GWAC)通过观测获得的大量光变曲线数据为基础作为训练样本和测试样本，同时构建由LSTM单元链接而成的神经网络，通过不断的训练网络模型从而得到以该网络特有的方式得到的输出值。本发明通过迭代训练不断更新各单元的权重，使得全局达到最优；训练完毕后，只需将测试样本输入网络就能得到该样本序列的下一个预测值。