本研究解决了传统机器学习模型在有限星系样本中建立红移预测的局限性。通过结合来自光度和光谱的真实值,并采用迁移学习方法,提出了一种新的模型训练方式。研究结果表明,这种方法有效减少了偏差和均方根误差,有助于提高对更广泛星系群体的红移估计的适用性。
本研究提出了一种新模型,结合光度和光谱数据,利用迁移学习方法,克服了传统机器学习在红移预测中的局限性,有效降低了偏差和均方根误差。
本研究解决了传统机器学习模型在有限星系样本中建立红移预测的局限性。通过结合来自光度和光谱的真实值,并采用迁移学习方法,提出了一种新的模型训练方式。研究结果表明,这种方法有效减少了偏差和均方根误差,有助于提高对更广泛星系群体的红移估计的适用性。
本研究提出了一种新模型,结合光度和光谱数据,利用迁移学习方法,克服了传统机器学习在红移预测中的局限性,有效降低了偏差和均方根误差。