High Energy Astrophysical Phenomena,پدیده های اخترفیزیکی با انرژی بالا ,
توضیحات
Submitted 16 August, 2024; originally announced August 2024. , Comments: 36 pages, 14 Figures (6 Figures with single panel, 4 Figures with 8 panels, 2 Figures with 4 panels, 1 Figure with 12 panels, 1 Figure with 2 panels), 6 Tables, submitted to ApJS
توضیحات به فارسی
ارائه شده 16 اوت 2024 ؛در ابتدا اوت 2024. ، نظرات: 36 صفحه ، 14 شکل (6 شکل با تک پنل ، 4 شکل با 8 صفحه ، 2 شکل با 4 صفحه ، 1 شکل با 12 صفحه ، 1 شکل با 2 صفحه) ، 6 جدول ارسال شدهAPJ ها
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
Gamma-ray bursts (GRBs) are intense, short-lived bursts of gamma-ray radiation observed up to a high redshift ($z \sim 10$) due to their luminosities. Thus, they can serve as cosmological tools to probe the early Universe. However, we need a large sample of high$-z$ GRBs, currently limited due to the difficulty in securing time at the large aperture Telescopes. Thus, it is painstaking to determine quickly whether a GRB is high$z$ or low$-z$, which hampers the possibility of performing rapid follow-up observations. Previous efforts to distinguish between high$-$ and low$-z$ GRBs using GRB properties and machine learning (ML) have resulted in limited sensitivity. In this study, we aim to improve this classification by employing an ensemble ML method on 251 GRBs with measured redshifts and plateaus observed by the Neil Gehrels Swift Observatory. Incorporating the plateau phase with the prompt emission, we have employed an ensemble of classification methods to enhance the sensitivity unprecedentedly. Additionally, we investigate the effectiveness of various classification methods using different redshift thresholds, $z_{threshold}$=$z_t$ at $z_{t}=$ 2.0, 2.5, 3.0, and 3.5. We achieve a sensitivity of 87\% and 89\% with a balanced sampling for both $z_{t}=3.0$ and $z_{t}=3.5$, respectively, representing a 9\% and 11\% increase in the sensitivity over Random Forest used alone. Overall, the best results are at $z_{t} = 3.5$, where the difference between the sensitivity of the training set and the test set is the smallest. This enhancement of the proposed method paves the way for new and intriguing follow-up observations of high$-z$ GRBs.
چکیده به فارسی (ترجمه ماشینی)
انفجارهای اشعه گاما (GRBS) پشت سر هم شدید و کوتاه مدت از اشعه اشعه گاما است که به دلیل درخشندگی آنها تا یک تغییر شکل بالا ($ z \ sim 10 $) مشاهده می شود.بنابراین ، آنها می توانند به عنوان ابزاری کیهان شناختی برای بررسی جهان اولیه خدمت کنند.با این حال ، ما به یک نمونه بزرگ از GRB های $ $ $ بالا نیاز داریم که در حال حاضر به دلیل مشکل در تأمین زمان در تلسکوپ های دیافراگم بزرگ محدود است.بنابراین ، تعیین سریع این است که آیا GRB $ Z $ $ یا کم $ -Z $ است ، که امکان انجام مشاهدات پیگیری سریع را دارد.تلاش های قبلی برای تمایز بین GRB های $-$ و کم $ -Z با استفاده از خواص GRB و یادگیری ماشین (ML) باعث حساسیت محدود شده است.در این مطالعه ، ما هدف ما بهبود این طبقه بندی با استفاده از یک روش ML گروه بر روی 251 GRBS با redshift های اندازه گیری شده و فلات مشاهده شده توسط رصدخانه Swift نیل Gehrels است.با استفاده از مرحله فلات با انتشار سریع ، ما از مجموعه ای از روش های طبقه بندی برای تقویت حساسیت بی سابقه استفاده کرده ایم.علاوه بر این ، ما اثربخشی روشهای مختلف طبقه بندی را با استفاده از آستانه های مختلف redshift ، $ z_ {آستانه} $ = $ z_t $ در $ z_ {t} = 2.0 $ ، 2.5 ، 3.0 و 3.5 بررسی می کنیم.ما با نمونه گیری متعادل برای هر دو $ z_ {t} = 3.0 $ و $ z_ {t} = 3.5 $ به حساسیت 87 \ ٪ و 89 \ ٪ دست می یابیم ، که نشان دهنده افزایش 9 \ ٪ و 11 \ \ \ \ \ \ \ \ \ \ \ \ \ \ درحساسیت نسبت به جنگل تصادفی به تنهایی استفاده می شود.به طور کلی ، بهترین نتایج در $ Z_ {t} = 3.5 $ است ، جایی که تفاوت بین حساسیت مجموعه آموزش و مجموعه آزمون کوچکترین است.این تقویت روش پیشنهادی راه را برای مشاهدات پیگیری جدید و جذاب از GRB های $ $ بالا $ هموار می کند.
📚 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
