arXiv · AI· Xingchen Yan, Jian Ge, Qingtian Liu, Kevin Willis, Quanquan Hu, Jiapeng Zhu·· 8 小时前AI 评分22
TransitNet：面向低信噪比凌日盲搜的紧凑型注意力增强深度学习框架
TransitNet: A Compact Attention-Augmented Deep Learning Framework for Low-SNR Transit Blind Searches
AI 导读
TransitNet 是专为低信噪比凌日盲搜设计的深度学习框架，在 SNR 6 到 8 区间准确率达 95.2%。 框架体积约 1.5 MB，相比 CPU-TLS 和 CPU-BLS 速度提升约 12 至 25 倍，地球尺寸凌日恢复率 93.0%。 该模型支持扩展至长周期类地行星搜索，在真实 Kepler 数据上准确定位 34 颗确认行星。
来源：arXiv · AI · arxiv.org