BriefGPT - AI 论文速递
·
通过多重深度学习模型融合估计日冕物质抛射质量和动能
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本研究使用迁移学习训练深度学习模型，评估其在预测太阳耀斑方面的性能。研究发现AlexNet模型表现最佳，对近边区域的耀斑事件有较高的预测灵敏度。结果表明模型能够从全盘磁图识别空间模式，并对太阳耀斑进行预测。
🎯
关键要点
- 本研究使用迁移学习训练深度学习模型，评估其在预测太阳耀斑方面的性能。
- 研究特别关注常常被忽视的近边区域的耀斑事件。
- AlexNet模型表现最佳，平均TSS约0.53，平均HSS约0.37。
- VGG16和ResNet34模型在近边事件中表现出较高的预测灵敏度。
- ResNet34模型在近边耀斑方面取得最佳结果，平均召回率约为0.59。
- 研究结果表明模型能够从全盘磁图识别复杂的空间模式，并在近边区域预测太阳耀斑。
- 该研究对运行中的耀斑预测系统具有重要意义。
➡️
