Solar and Stellar Astrophysics,High Energy Astrophysical Phenomena,Instrumentation and Methods for Astrophysics,اخترفیزیک خورشیدی و ستاره ای , پدیده های اخترفیزیکی با انرژی بالا , ابزار دقیق و روش های اخترفیزیک
توضیحات
Submitted 5 September, 2024; originally announced September 2024. , Comments: 12 pages, 5 figures
توضیحات به فارسی
ارسال شده در 5 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد ، نظرات: 12 صفحه ، 5 شکل
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
Neutron star (NS) has many extreme physical conditions, and one may obtain some important informations about NS via accreting neutron star binary (ANSB) systems. The upcoming Chinese Space Station Telescope (CSST) provides an opportunity to search for a large sample of ANSB candidates. Our goal is to check the completeness of the potential ANSB samples from CSST data. In this paper, we generate some ANSBs and normal binaries under CSST photometric system by binary evolution and binary population synthesis method and use a machine learning method to train a classification model. Although the Precision ($94.56~ \%$) of our machine learning model is as high as before study, the Recall is only about $63.29~ \%$. The Precision/Recall is mainly determined by the mass transfer rate between the NSs and their companions. In addition, we also find that the completeness of ANSB samples from CSST photometric data by the machine learning method also depends on the companion mass and the age of the system. ANSB candidates with low initial mass companion star ($0.1~ {\rm M}_\odot$ to $1~ {\rm M}_\odot$) have a relatively high Precision ($94.94~ \%$) and high Recall ($86.32~ \%$), whereas ANSB candidates with higher initial mass companion star ($1.1~ {\rm M}_\odot$ to $3~ {\rm M}_\odot$) have similar Precision ($93.88~ \%$) and quite low Recall ($42.67~ \%$). Our results indicate that although the machine learning method may obtain a relative pure sample of ANSBs, a completeness correction is necessary for one to obtain a complete sample.
چکیده به فارسی (ترجمه ماشینی)
Neutron Star (NS) دارای شرایط جسمی شدید بسیاری است ، و ممکن است برخی از اطلاعات مهم در مورد NS از طریق جمع آوری سیستم های باینری ستاره نوترون (ANSB) به دست آورد.تلسکوپ ایستگاه فضایی چین آینده (CSST) فرصتی برای جستجوی نمونه بزرگی از نامزدهای ANSB فراهم می کند.هدف ما بررسی کامل بودن نمونه های بالقوه ANSB از داده های CSST است.در این مقاله ، ما برخی از ANSB ها و باینری های طبیعی را تحت سیستم فوتومتری CSST با استفاده از روش باینری و روش سنتز جمعیت باینری تولید می کنیم و از یک روش یادگیری ماشین برای آموزش یک مدل طبقه بندی استفاده می کنیم.اگرچه دقت (94.56 $ \ ٪ $) مدل یادگیری ماشین ما به اندازه قبل از مطالعه است ، اما فراخوان فقط در حدود 63.29 $ \ ٪ $ است.دقت/فراخوان عمدتاً با سرعت انتقال جرم بین NSS و همراهان آنها تعیین می شود.علاوه بر این ، ما همچنین می یابیم که کامل بودن نمونه های ANSB از داده های فوتومتری CSST با روش یادگیری ماشین نیز به جرم همراه و سن سیستم بستگی دارد.داوطلبان ANSB با ستاره همراه با جرم اولیه (0.1 $ {\ rm m} _ \ \ odot $ to $ 1 ~ {\ rm m} _ \ odot $) دارای دقت نسبتاً بالایی هستند (94.94 $ \ ٪ \ ٪) و فراخوان بالا (86.32 $~ \ ٪ $) ، در حالی که نامزدهای ANSB با ستاره همراه با جرم اولیه بالاتر (1.1 $ {\ rm m} _ \ \ ord $ to 3 $ {\ rm m} _ \ \ odot $) دقت مشابهی دارند (93.88 $ \ ٪ \ ٪ $)و فراخوان بسیار کم (42.67 دلار \ \ ٪ $).نتایج ما نشان می دهد که اگرچه روش یادگیری ماشین ممکن است یک نمونه نسبی خالص ANSBS را بدست آورد ، اما اصلاح کامل برای یک نمونه کامل لازم است.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
