gWaveNet：利用定制核集成深度学习方法从噪声卫星数据中分类重力波
原文中文，约500字，阅读约需2分钟。发表于：。本研究解决了利用机器学习技术从卫星数据中识别重力波的研究缺口，特别是在未应用噪声去除技术的情况下。我们提出了一种新型核设计，集成到深度卷积神经网络gWaveNet中，展示了在处理噪声卫星数据时高效波重力识别的能力。实验结果表明，该模型在重力波检测方面的训练准确率超过98%，测试准确率超过94%，是该领域当前最佳结果，具有重要应用潜力。
本文评估了最新的卷积神经网络在高光谱卫星上的云检测中的性能。结果显示1D-Justo-LiuNet在精度上最好，2D-Justo-UNet-Simple在光谱通道减少时表现较好。推荐在高精度应用中使用1D-Justo-LiuNet，在时间和精度之间取得平衡时使用2D-Justo-UNet-Simple。
