Buchumschlag

Enhancing the reliability of machine learning for gravitational wave parameter estimation with attention-based models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Iwanaga, Hibiki, Matsuyama, Mahoro, Itoh, Yousuke
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Instrumentation and Methods for Astrophysics Machine Learning General Relativity and Quantum Cosmology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Nonlinear Independent Component Analysis Scheme and its application to gravitational wave data analysis
von: Kume, Jun'ya, et al.
Veröffentlicht: (2025)

Glitch noise classification in KAGRA O3GK observing data using unsupervised machine learning
von: Oshino, Shoichi, et al.
Veröffentlicht: (2025)

Anatomy of parameter-estimation biases in overlapping gravitational-wave signals
von: Wang, Ziming, et al.
Veröffentlicht: (2023)

Applications of machine learning in gravitational wave research with current interferometric detectors
von: Cuoco, Elena, et al.
Veröffentlicht: (2024)

Real-time gravitational-wave inference for binary neutron stars using machine learning
von: Dax, Maximilian, et al.
Veröffentlicht: (2024)

GWSkyNet-Multi II: an updated machine learning model for rapid classification of gravitational-wave events
von: Raza, Nayyer, et al.
Veröffentlicht: (2025)

Assessment of normalizing flows for parameter estimation on time-frequency representations of gravitational-wave data
von: Lanchares, Daniel, et al.
Veröffentlicht: (2025)

A machine-learning pipeline for real-time detection of gravitational waves from compact binary coalescences
von: Marx, Ethan, et al.
Veröffentlicht: (2024)

Overlapping signals in next-generation gravitational wave observatories: A recipe for selecting the best parameter estimation technique
von: Baka, Tomasz, et al.
Veröffentlicht: (2025)

Calibrating approximate Bayesian credible intervals of gravitational-wave parameters
von: Mao, Ruiting, et al.
Veröffentlicht: (2023)

Accelerated Bayesian parameter estimation and model selection for gravitational waves with normalizing flows
von: Polanska, Alicja, et al.
Veröffentlicht: (2024)

Enhancing search pipelines for short gravitational wave transients with Gaussian mixture modelling
von: Smith, Leigh, et al.
Veröffentlicht: (2024)

Denoising gravitational wave with deep learning in the time-frequency domain
von: Lee, Yi-De, et al.
Veröffentlicht: (2025)

Bayesian power spectral estimation of gravitational wave detector noise revisited
von: Gupta, Toral, et al.
Veröffentlicht: (2023)

CLAWDIA: A dictionary learning framework for gravitational-wave data analysis
von: Llorens-Monteagudo, Miquel, et al.
Veröffentlicht: (2025)

Identification and characterization of distorted gravitational waves by lensing using deep learning
von: Chan, Juno C. L., et al.
Veröffentlicht: (2025)

RNLE: Residual neural likelihood estimation and its application to gravitational-wave astronomy
von: Emma, Mattia, et al.
Veröffentlicht: (2026)

Modelling noise in gravitational-wave observatories with transdimensional models
von: Guttman, Nir, et al.
Veröffentlicht: (2025)

GWSurrogate: A Python package for gravitational wave surrogate models
von: Field, Scott E., et al.
Veröffentlicht: (2025)

Classifying the unknown: discovering novel gravitational-wave detector glitches using similarity learning
von: Coughlin, S B, et al.
Veröffentlicht: (2019)

Factorized neural posterior estimation for rapid and reliable inference of parameterized post-Einsteinian deviation parameters in gravitational waves
von: Zhang, Yong-Xin, et al.
Veröffentlicht: (2026)

Detection of the stochastic gravitational wave background with the space-borne gravitational-wave detector network
von: Cheng, Jun, et al.
Veröffentlicht: (2025)

Recovering cosmological parameters from the mock gravitational wave data of the Einstein Telescope
von: Roy, Pinaki, et al.
Veröffentlicht: (2026)

Improving the detection significance of gravitational wave transient searches with CNN models
von: Fernandes, Johann, et al.
Veröffentlicht: (2025)

Glitch veto based on unphysical gravitational wave binary inspiral templates
von: Girgaonkar, Raghav, et al.
Veröffentlicht: (2024)

Astrophysical or Terrestrial: Machine learning classification of gravitational-wave candidates using multiple-search information
von: Tsukamoto, Seiya, et al.
Veröffentlicht: (2025)

Enhancing online estimation of CBC parameters with the low-latency MBTA analysis
von: Aubin, Florian, et al.
Veröffentlicht: (2026)

Accuracy of numerical relativity waveforms with respect to space-based gravitational wave detectors
von: Wang, Zun, et al.
Veröffentlicht: (2024)

Costless correction of chain based nested sampling parameter estimation in gravitational wave data and beyond
von: Prathaban, Metha, et al.
Veröffentlicht: (2024)

Parameter estimation of gravitational-wave signals with frequency-dependent antenna responses and higher modes
von: Baral, Pratyusava, et al.
Veröffentlicht: (2025)

Measuring the rate of glitches in interferometric gravitational wave detectors with a hierarchical Bayesian model
von: Ashton, Gregory, et al.
Veröffentlicht: (2026)

An efficient pipeline for joint gravitational wave searches from individual binaries and a gravitational wave background with Hamiltonian sampling
von: Freedman, Gabriel E., et al.
Veröffentlicht: (2024)

Using normal to find abnormal: AI-based anomaly detection in gravitational wave data
von: Guo, Yi-Yang, et al.
Veröffentlicht: (2025)

A neural network-based gravitational wave interpolant with applications to low-latency analyses
von: Magee, Ryan, et al.
Veröffentlicht: (2024)

The Doppler boosted LISA response to gravitational waves
von: van der Steen, Tom, et al.
Veröffentlicht: (2025)

An interference-based method for the detection of strongly lensed gravitational waves
von: Shan, Xikai, et al.
Veröffentlicht: (2023)

labrador: A domain-optimized machine-learning tool for gravitational wave inference
von: Roulet, Javier, et al.
Veröffentlicht: (2026)

Piecewise frequency model for searches for long-transient gravitational waves from young neutron stars
von: Grace, Benjamin, et al.
Veröffentlicht: (2023)

Anatomy of parameter-estimation biases in overlapping gravitational-wave signals: detector network
von: Wang, Ziming, et al.
Veröffentlicht: (2025)

Reconstructing source motion from gravitational wave strain
von: Bayley, Joseph, et al.
Veröffentlicht: (2024)