Light-curve classification with recurrent neural networks for GOTO: dealing with imbalanced data

Burhanudin, U. F.; Maund, J. R.; Killestein, T.; Ackley, K.; Dyer, M. J.; Lyman, J.; Ulaczyk, K.; Cutter, R.; Mong, Y. -L.; Steeghs, D.; Galloway, D. K.; Dhillon, V.; O'Brien, P.; Ramsay, G.; Noysena, K.; Kotak, R.; Breton, R. P.; Nuttall, L.; Pallé, E.; Pollacco, D.; Thrane, E.; Awiphan, S.; Chote, P.; Chrimes, A.; Daw, E.; Duffy, C.; Eyles-Ferris, R.; Gompertz, B.; Heikkilä, T.; Irawati, P.; Kennedy, M. R.; Levan, A.; Littlefair, S.; Makrygianni, L.; Mata-Sánchez, D.; Mattila, S.; McCormac, J.; Mkrtichian, D.; Mullaney, J.; Sawangwit, U.; Stanway, E.; Starling, R.; Strøm, P.; Tooke, S.; Wiersema, K.
Referencia bibliográfica

Monthly Notices of the Royal Astronomical Society

Fecha de publicación:
8
2021
Número de autores
45
Número de autores del IAC
2
Número de citas
21
Número de citas referidas
19
Descripción
The advent of wide-field sky surveys has led to the growth of transient and variable source discoveries. The data deluge produced by these surveys has necessitated the use of machine learning (ML) and deep learning (DL) algorithms to sift through the vast incoming data stream. A problem that arises in real-world applications of learning algorithms for classification is imbalanced data, where a class of objects within the data is underrepresented, leading to a bias for overrepresented classes in the ML and DL classifiers. We present a recurrent neural network (RNN) classifier that takes in photometric time-series data and additional contextual information (such as distance to nearby galaxies and on-sky position) to produce real-time classification of objects observed by the Gravitational-wave Optical Transient Observer, and use an algorithm-level approach for handling imbalance with a focal loss function. The classifier is able to achieve an Area Under the Curve (AUC) score of 0.972 when using all available photometric observations to classify variable stars, supernovae, and active galactic nuclei. The RNN architecture allows us to classify incomplete light curves, and measure how performance improves as more observations are included. We also investigate the role that contextual information plays in producing reliable object classification.
Proyectos relacionados
Representación de la variable cataclísmica SS Cygni (Chris Moran)
Estrellas Binarias
El estudio de las estrellas binarias es una parte esencial de la astrofísica estelar. Una gran parte de las estrellas de nuestra Galaxia y de otras galaxias se ha formado en sistemas binarios o múltiples, por lo que entender la estructura y evolución de estos sistemas es importante desde el punto de vista estelar y galáctico. Un aspecto en el que
Pablo
Rodríguez Gil
Agujero negro en erupción
Agujeros negros, estrellas de neutrones, enanas blancas y su entorno local
Los agujeros negros y estrellas de neutrones en binarias de rayos-X son laboratorios únicos para explorar la física de estos objetos compactos. No solo permiten confirmar la existencia de agujeros negros de origen estelar a través de mediciones dinámicas de sus masas, sino que también permiten investigar el comportamiento de la materia y la
Montserrat
Armas Padilla
Image withthe projects' name
Exoplanetas y Astrobiología
La búsqueda de vida en el Universo se ha visto impulsada por los recientes descubrimientos de planetas alrededor de otras estrellas (los llamados exoplanetas), convirtiéndose en uno de los campos más activos dentro de la Astrofísica moderna. En los últimos años los descubrimientos cada vez más numerosos de nuevos exoplanetas y los últimos avances
Enric
Pallé Bago