ترجمه فارسی مقاله نمرات واقعی جعلی برای تشخیص ناهنجاری فعال

چکیده

In the task of anomaly detection in modern time-domain photometric surveys, the primary goal is to identify astrophysically interesting, rare, and unusual objects among a large volume of data. Unfortunately, artifacts — such as plane or satellite tracks, bad columns on CCDs, and ghosts — often constitute significant contaminants in results from anomaly detection analysis. In such contexts, the Active Anomaly Discovery (AAD) algorithm allows tailoring the output of anomaly detection pipelines according to what the expert judges to be scientifically interesting. We demonstrate how the introduction real-bogus scores, obtained from a machine learning classifier, improves the results from AAD. Using labeled data from the SNAD ZTF knowledge database, we train four real-bogus classifiers: XGBoost, CatBoost, Random Forest, and Extremely Randomized Trees. All the models perform real-bogus classification with similar effectiveness, achieving ROC-AUC scores ranging from 0.93 to 0.95. Consequently, we select the Random Forest model as the main model due to its simplicity and interpretability. The Random Forest classifier is applied to 67 million light curves from ZTF DR17. The output real-bogus score is used as an additional feature for two anomaly detection algorithms: static Isolation Forest and AAD. While results from Isolation Forest remained unchanged, the number of artifacts detected by the active approach decreases significantly with the inclusion of the real-bogus score, from 27 to 3 out of 100. We conclude that incorporating the real-bogus classifier result as an additional feature in the active anomaly detection pipeline significantly reduces the number of artifacts in the outputs, thereby increasing the incidence of astrophysically interesting objects presented to human experts.

چکیده به فارسی (ترجمه ماشینی)

در وظیفه تشخیص ناهنجاری در نظرسنجی های فوتومتری دامنه زمانی مدرن ، هدف اصلی شناسایی اشیاء جالب ، نادر و غیرمعمول در بین حجم زیادی از داده ها است.متأسفانه ، مصنوعات – مانند آهنگ های هواپیما یا ماهواره ای ، ستون های بد در CCD و ارواح – اغلب در نتایج حاصل از تجزیه و تحلیل تشخیص ناهنجاری آلاینده های قابل توجهی را تشکیل می دهند.در چنین زمینه هایی ، الگوریتم کشف ناهنجاری فعال (AAD) اجازه می دهد تا از خطوط لوله تشخیص ناهنجاری با توجه به آنچه که قضات خبره از نظر علمی جالب هستند ، خیاطی کند.ما نشان می دهیم که چگونه نمرات معرفی واقعی BOGUS ، به دست آمده از طبقه بندی کننده یادگیری ماشین ، نتایج AAD را بهبود می بخشد.با استفاده از داده های برچسب زده شده از پایگاه داده دانش SNAD ZTF ، ما چهار طبقه بندی کننده واقعی بوگ را آموزش می دهیم: XGBoost ، CatBoost ، جنگل تصادفی و درختان بسیار تصادفی.همه مدل ها طبقه بندی واقعی بوگوس را با اثربخشی مشابه انجام می دهند ، و به نمرات ROC-AUC اعم از 0.93 تا 0.95 می رسند.در نتیجه ، ما به دلیل سادگی و تفسیر آن ، مدل جنگل تصادفی را به عنوان مدل اصلی انتخاب می کنیم.طبقه بندی کننده جنگل تصادفی به 67 میلیون منحنی نوری از ZTF DR17 اعمال می شود.از نمره خروجی BOGUS به عنوان یک ویژگی اضافی برای دو الگوریتم تشخیص ناهنجاری استفاده می شود: جنگل ایزوله استاتیک و AAD.در حالی که نتایج حاصل از جنگل جداسازی بدون تغییر باقی مانده است ، تعداد مصنوعات شناسایی شده توسط رویکرد فعال با درج نمره واقعی بوگوس به طور قابل توجهی کاهش می یابد ، از 27 به 3 از 100.ویژگی در خط لوله تشخیص ناهنجاری فعال ، تعداد مصنوعات موجود در خروجی ها را به میزان قابل توجهی کاهش می دهد ، در نتیجه باعث افزایش بروز اشیاء جالب از نظر اخترفزنی ارائه شده به متخصصان انسانی می شود.