In questo articolo viene studiata la possibilità di usare una rete neurale feedforward per identificare eventuali discrepanze tra un'immagine astronomica reale ed un suo modello predefinito. Questo compito viene affrontato grazie alla capacità delle reti neurali di risolvere un problema di approssimazione non lineare di funzioni attraverso la costruzione di un'ipersuperficie approssimante un insieme dato di punti sparsi. La codifica delle immagini viene effettuata associando ciascuna di esse ad alcuni momenti statistici opportunamente scelti, calcolati relativamente agli assi $\{x, y\}$, ottenendo in tal modo un metodo computazionalmente economico che permette un approccio realmente efficace alla diagnostica delle aberrazioni di Seidel.
Referenze Bibliografiche
[1] M. BORN-E. WOLF, Principles of optics, Pergamon, New York, 1985.
[2]
R. CANCELLIERE-
M. GAI,
A Comparative Analysis of Neural Network Performances in Astronomy Imaging,
Applied Numerical Mathematics,
45, n. 1 (
2003), 87-98. |
Zbl 1019.85001[3]
G. CYBENKO,
$\infty$ approximation by superpositions of a sigmoidal function,
Math. Control-Signals Systems,
2 (
1989), 303-314. |
MR 1015670 |
Zbl 0679.94019[4]
S. W. ELLACOTT,
Aspects of the numerical analysis of neural networks,
Acta Numerica, 1994, 145-202. |
MR 1288097 |
Zbl 0807.65007[5] K. I. FUNAHASHI, On the approximate realization of continuous mappings by neural networks, Neural Networks, 2 (1989), 183-192.
[6] M. GAI-S. CASERTANO-D. CAROLLO-M. G. LATTANZI, Location estimators for interferometric fringe, Publ. Astron. Soc. Pac., 110 (1998), 848-862.
[7] M. GAI-D. CAROLLO-M. DELBÓ-M. G. LATTANZI-G. MASSONE-F. BERTINETTO-G. MANA-S. CESARE, Location accuracy limitations for CCD cameras, A&A, 367 (2001), 362-370.
[8]
S. HAYKIN,
Neural Networks, a Comprehensive Foundation IEEE Computer Society Press,
1994. |
Zbl 0828.68103[9] K. HORNIK-M. STINCHCOMBE-H. WHITE, Multilayer feedforward networks are universal approximators, Neural Networks, 2 (1989), 359-366.
[10] M. LOYD-HART-P. WIZINOWICH-B. MCLEOD-D. WITTMAN-D. COLUCCI-R. DEKANY-D. MCCARTHY-J. R. P. ANGEL-D. SANDLER, First Results of an On-line Adaptive Optics System with Atmospheric Wavefront Sensing by an Artificial Neural Network, ApJ, 390 (1992), L41-44.
[11]
M. MINSKY-
S. PAPERT,
Perceptrons, Cambridge,
MA:MIT Press,
1969. |
Zbl 0197.43702[12] D. RUMELHART-G. E. HINTON-R. J. WILLIAMS, Learning internal representation by error propagation. Parallel Distribuited Processing (PDP): Exploration in the Microstructure of Cognition, MIT Press, Cambridge, Massachussetts, 1 (1986), 318-362.
[13] P. WIZINOWICH-M. LOYD-HART-R. ANGEL, Adaptive Optics for Array Telescopes Using Neural Networks Techniques on Transputers, Transputing '91, IOS Press, Washington D.C., 1 (1991), 170-183.
Con il contributo del Ministero per i Beni e le Attività Culturali