تخمين طيف پيوسته اختر وش ها به كمك شبكه عصبي مصنوعي پرسپترون چند لايه

Estimating the continuum of quasars using the Multilayer Perceptron Artificial Neural Network

طيف پيوسته اختروش در ناحيه جنگل ليمان آلفا، به خصوص زماني كه انتقال به سرخ آن زياد و قدرت تفكيك طيف پايين باشد، واضح نيست. بنابراين پيش بيني اين ناحيه از طيف به كمك طول موج هاي بلندتر از خط نشري ليمان آلفا اختروش، موضوع با اهميتي است. در اين مقاله به كمك يك شبكه عصبي پرسپترون چند لايه (MLP) آموزش ديده شده بر اساس الگوريتم پس انتشار خطا با شيب توام، طيف پيوسته 50 نمونه اختروش تخمين زده شده است. شبكه عصبي به كمك داده هاي مربوط به طول موج هاي بلندتر از ليمان آلفا و همچنين 10 داده تصادفي از طول موج هاي كوتاه تر از ليمان آلفا آموزش مي بيند، سپس كل طيف را براي همان اختروش تخمين مي زند.

Quasar continuum in the Lyman- forest is not obvious, especially when its redshift and spectral resolution are very high and very low, respectively. Therefore, predicting this part of the spectrum using the wavelengths larger than that of quasar Lyman- emission line is very important. In this paper, the quasar continua of 50 quasars are estimated using a multilayer perceptron artificial neural network which is trained and based on a conjugate gradient back-propagation algorithm. The neural network is trained using the data correspond to the wavelengths larger than that of the quasar Lyman- emission line and also 10 random data which are smaller than the Lyman- emission, then, the whole spectrum will be estimated for that quasar