JGW-G1503426-v1
- Document #:
- JGW-G1503426-v1
- Document type:
- G
- Submitted by:
- Shuhei Mano
- Updated by:
- Shuhei Mano
- Document Created:
- 19 Mar 2015, 20:34
- Contents Revised:
- 19 Mar 2015, 20:34
- DB Info Revised:
- 19 Mar 2015, 20:34
- 重力波検出器の非定常大型雑音(グリッチ)は様々な波形として得られる.経験的に,傾向があり,分類できそうに見えるが,信号とは異なり,明示的にモデル化はできない.何らかの手法で分類できれば,グリッチを特徴づけることで,検出器の診断やグリッチ源の特定に役立つ.典型的な分類の方針がないため,教師なし学習の手法である非階層的クラスタリングを用いるのが妥当と思われるが,k-means のような標準的手法の適用には,事前には未知のクラスタの数を固定する必要があること,分類の確からしさを表現し難いなどの問題があった.そこで,我々は,波形の特徴量を無限次元混合分布からの抽出として表すことで,グリッチを分類する手法を考案した.Dirichlet 分布の無限次元版であるDirichlet 過程を事前ランダム測度とするベイズ統計の枠組みで考えれば,クラスタの数は確率変数となり,分類の確からしさは事後確率分布として表現することができる.本講演では,手法の概要を説明し,TAMA データへの適用例を紹介する.本適用例では,グリッチが,一般的なものと異常なものの2 つのクラスタに大きく分類され,異常なグリッチは運転時間のうち特定の時間帯に集中する傾向があることが明らかになった.このことから,本手法は,重力波検出器の診断に有用であることが期待されるので,KAGRA に適用する予定である.
DocDB Version 8.7.10, contact
Document Database Administrators