Wiener Filter for cosmic microwave background maps using neural networks

Estudiamos una red neuronal convolucional llamada WienerNet la cual aplica el filtro de Wiener a mapas del Fondo Cósmico de Radiación (FCR) con el objetivo de reducir el ruido presente en dichos mapas. Presentamos el funcionamiento de la red neuronal, y comparamos los resultados con los obtenidos a...

Descripción completa

Detalles Bibliográficos
Autores principales: Costanza, María Belén, Scóccola, Claudia Graciela, Zaldarriaga, Matías
Formato: Articulo
Lenguaje:Español
Publicado: 2023
Materias:
Ciencias Astronómicas
cosmic background radiation
cosmological parameters
early universe
methods: numerical
methods: statistical
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/164501
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-164501
record_format dspace
spelling I19-R120-10915-1645012024-04-05T20:03:01Z http://sedici.unlp.edu.ar/handle/10915/164501 Wiener Filter for cosmic microwave background maps using neural networks Costanza, María Belén Scóccola, Claudia Graciela Zaldarriaga, Matías 2023-08 2024-04-05T16:43:14Z es Ciencias Astronómicas cosmic background radiation cosmological parameters early universe methods: numerical methods: statistical Estudiamos una red neuronal convolucional llamada WienerNet la cual aplica el filtro de Wiener a mapas del Fondo Cósmico de Radiación (FCR) con el objetivo de reducir el ruido presente en dichos mapas. Presentamos el funcionamiento de la red neuronal, y comparamos los resultados con los obtenidos al aplicar el filtro de Wiener con el método tradicional, que utiliza el gradiente conjugado. A su vez, mostramos la eficiencia de la aplicación de WienerNet respecto del método tradicional, el cual constituye un cuello de botella en el análisis de datos del FCR. Para este propósito, aplicamos la red neuronal a mapas del FCR con diferentes número de pixeles y diferentes modelos de ruido, y comparamos la eficiencia computacional en cada caso. We studied a convolutional neural network called WienerNet which applies the Wiener Filter to Cosmic Microwave Background (CMB) maps, whose objective is to reduce the noise present in those maps. We present how the neural network works, and compare its results to those obtained when applying the wiener filter with the traditional method, which uses the conjugate gradient. Also, we show the efficiency of WienerNet with respect to the traditional method which constitutes a bottleneck in the data analysis of the CMB. For these purposes, we applied the neural network to CMB maps with different numbers of pixels and different noise models, and we compared the computational efficiency in each case. Asociación Argentina de Astronomía Facultad de Ciencias Astronómicas y Geofísicas Articulo Articulo http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Astronómicas
cosmic background radiation
cosmological parameters
early universe
methods: numerical
methods: statistical
spellingShingle Ciencias Astronómicas
cosmic background radiation
cosmological parameters
early universe
methods: numerical
methods: statistical
Costanza, María Belén
Scóccola, Claudia Graciela
Zaldarriaga, Matías
Wiener Filter for cosmic microwave background maps using neural networks
topic_facet Ciencias Astronómicas
cosmic background radiation
cosmological parameters
early universe
methods: numerical
methods: statistical
description Estudiamos una red neuronal convolucional llamada WienerNet la cual aplica el filtro de Wiener a mapas del Fondo Cósmico de Radiación (FCR) con el objetivo de reducir el ruido presente en dichos mapas. Presentamos el funcionamiento de la red neuronal, y comparamos los resultados con los obtenidos al aplicar el filtro de Wiener con el método tradicional, que utiliza el gradiente conjugado. A su vez, mostramos la eficiencia de la aplicación de WienerNet respecto del método tradicional, el cual constituye un cuello de botella en el análisis de datos del FCR. Para este propósito, aplicamos la red neuronal a mapas del FCR con diferentes número de pixeles y diferentes modelos de ruido, y comparamos la eficiencia computacional en cada caso.
format Articulo
Articulo
author Costanza, María Belén
Scóccola, Claudia Graciela
Zaldarriaga, Matías
author_facet Costanza, María Belén
Scóccola, Claudia Graciela
Zaldarriaga, Matías
author_sort Costanza, María Belén
title Wiener Filter for cosmic microwave background maps using neural networks
title_short Wiener Filter for cosmic microwave background maps using neural networks
title_full Wiener Filter for cosmic microwave background maps using neural networks
title_fullStr Wiener Filter for cosmic microwave background maps using neural networks
title_full_unstemmed Wiener Filter for cosmic microwave background maps using neural networks
title_sort wiener filter for cosmic microwave background maps using neural networks
publishDate 2023
url http://sedici.unlp.edu.ar/handle/10915/164501
work_keys_str_mv AT costanzamariabelen wienerfilterforcosmicmicrowavebackgroundmapsusingneuralnetworks
AT scoccolaclaudiagraciela wienerfilterforcosmicmicrowavebackgroundmapsusingneuralnetworks
AT zaldarriagamatias wienerfilterforcosmicmicrowavebackgroundmapsusingneuralnetworks
_version_ 1807222875555364864

Ejemplares similares