Vision Transformer for Transient Noise Classification
Divyansh Srivastava, Andrzej Niedzielski
LIGO数据中的瞬态噪声(故障)阻碍了引力波(GW)的探测。 Gravity Spy项目将这些噪声事件分为各种类别。 通过O3运行,增加了两个额外的噪声类,因此需要训练新的模型进行有效的分类。 我们的目标是使用视觉变压器(ViT)模型将LIGO数据中的故障分类为22个现有类,以及O3a的2个额外噪声类。 我们在由重力间谍数据集组成的组合数据集上训练预训练的视觉变压器(ViT-B/32)模型以及LIGO O3a运行的额外两个类。 我们实现了92.26的分类效率 关键词:引力波——视觉变压器——机器学习
Transient noise (glitches) in LIGO data hinders the detection of gravitational waves (GW). The Gravity Spy project has categorized these noise events into various classes. With the O3 run, there is the inclusion of two additional noise classes and thus a need to train new models for effective classification. We aim to classify glitches in LIGO data into 22 existing classes from the first run plus 2 additional noise classes from O3a using the Vision Transformer (ViT) model. We train a pre-trained...