Predicción de redshifts fotométricos usando imágenes multi banda y multi resolución

Abstract

En esta memoria se evalúa el impacto que tiene añadir imágenes en multi-resolución en la tarea de predecir el redshift fotométrico de galaxias con imágenes en multi-banda mediante el uso de una red neuronal convolucional. Para ello, se comparó directamente con el uso de imágenes de resolución simple utilizadas en Pasquet et al. [1], las cuales tienen un campo de visión de 25.244 arcos de segundo ([′′]) y provienen del Sloan Digital Sky Server (SDSS). Al usar este tipo de imágenes se obtuvo un residuo promedio < ∆z >= 0.00012, una dispersión de los residuos σMAD = 0.00906 y un porcentaje de errores catastróficos η = 0.31 %. Por otro lado, al añadir imágenes en multi-resolución con 5 niveles y compartiendo los pesos del modelo se obtuvo un < ∆z >= 0.00013, σMAD = 0.00914 y η = 0.34 %. Sin embargo, para galaxias con un radio Petrosiano del 90 % mayor a 70 [′′] se obtuvo un σMAD = 0.0075 al usar imágenes con resolución simple y σMAD = 0.0037 al usar imágenes en multi-resolución. Finalmente, se proponen nuevos enfoques para abordar este problema en trabajos futuros, tales como; la optimización de hiperparámetros, incluir un nuevo nivel y lograr una invarianza a escalas en el modelo.