Wiener Filter for cosmic microwave background maps using neural networks

Autores
Costanza, María Belén; Scóccola, Claudia Graciela; Zaldarriaga, Matías
Año de publicación
2023
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
Estudiamos una red neuronal convolucional llamada WienerNet la cual aplica el filtro de Wiener a mapas del Fondo Cósmico de Radiación (FCR) con el objetivo de reducir el ruido presente en dichos mapas. Presentamos el funcionamiento de la red neuronal, y comparamos los resultados con los obtenidos al aplicar el filtro de Wiener con el método tradicional, que utiliza el gradiente conjugado. A su vez, mostramos la eficiencia de la aplicación de WienerNet respecto del método tradicional, el cual constituye un cuello de botella en el análisis de datos del FCR. Para este propósito, aplicamos la red neuronal a mapas del FCR con diferentes número de pixeles y diferentes modelos de ruido, y comparamos la eficiencia computacional en cada caso.
We studied a convolutional neural network called WienerNet which applies the Wiener Filter to Cosmic Microwave Background (CMB) maps, whose objective is to reduce the noise present in those maps. We present how the neural network works, and compare its results to those obtained when applying the wiener filter with the traditional method, which uses the conjugate gradient. Also, we show the efficiency of WienerNet with respect to the traditional method which constitutes a bottleneck in the data analysis of the CMB. For these purposes, we applied the neural network to CMB maps with different numbers of pixels and different noise models, and we compared the computational efficiency in each case.
Asociación Argentina de Astronomía
Facultad de Ciencias Astronómicas y Geofísicas
Materia
Ciencias Astronómicas
cosmic background radiation
cosmological parameters
early universe
methods: numerical
methods: statistical
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/164501

id SEDICI_96d6bc7a6e90276f1aeac9384dcc2724
oai_identifier_str oai:sedici.unlp.edu.ar:10915/164501
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Wiener Filter for cosmic microwave background maps using neural networksCostanza, María BelénScóccola, Claudia GracielaZaldarriaga, MatíasCiencias Astronómicascosmic background radiationcosmological parametersearly universemethods: numericalmethods: statisticalEstudiamos una red neuronal convolucional llamada WienerNet la cual aplica el filtro de Wiener a mapas del Fondo Cósmico de Radiación (FCR) con el objetivo de reducir el ruido presente en dichos mapas. Presentamos el funcionamiento de la red neuronal, y comparamos los resultados con los obtenidos al aplicar el filtro de Wiener con el método tradicional, que utiliza el gradiente conjugado. A su vez, mostramos la eficiencia de la aplicación de WienerNet respecto del método tradicional, el cual constituye un cuello de botella en el análisis de datos del FCR. Para este propósito, aplicamos la red neuronal a mapas del FCR con diferentes número de pixeles y diferentes modelos de ruido, y comparamos la eficiencia computacional en cada caso.We studied a convolutional neural network called WienerNet which applies the Wiener Filter to Cosmic Microwave Background (CMB) maps, whose objective is to reduce the noise present in those maps. We present how the neural network works, and compare its results to those obtained when applying the wiener filter with the traditional method, which uses the conjugate gradient. Also, we show the efficiency of WienerNet with respect to the traditional method which constitutes a bottleneck in the data analysis of the CMB. For these purposes, we applied the neural network to CMB maps with different numbers of pixels and different noise models, and we compared the computational efficiency in each case.Asociación Argentina de AstronomíaFacultad de Ciencias Astronómicas y Geofísicas2023-08info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionArticulohttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/164501spainfo:eu-repo/semantics/altIdentifier/issn/1669-9521info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-22T17:24:31Zoai:sedici.unlp.edu.ar:10915/164501Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-22 17:24:31.866SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Wiener Filter for cosmic microwave background maps using neural networks
title Wiener Filter for cosmic microwave background maps using neural networks
spellingShingle Wiener Filter for cosmic microwave background maps using neural networks
Costanza, María Belén
Ciencias Astronómicas
cosmic background radiation
cosmological parameters
early universe
methods: numerical
methods: statistical
title_short Wiener Filter for cosmic microwave background maps using neural networks
title_full Wiener Filter for cosmic microwave background maps using neural networks
title_fullStr Wiener Filter for cosmic microwave background maps using neural networks
title_full_unstemmed Wiener Filter for cosmic microwave background maps using neural networks
title_sort Wiener Filter for cosmic microwave background maps using neural networks
dc.creator.none.fl_str_mv Costanza, María Belén
Scóccola, Claudia Graciela
Zaldarriaga, Matías
author Costanza, María Belén
author_facet Costanza, María Belén
Scóccola, Claudia Graciela
Zaldarriaga, Matías
author_role author
author2 Scóccola, Claudia Graciela
Zaldarriaga, Matías
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Astronómicas
cosmic background radiation
cosmological parameters
early universe
methods: numerical
methods: statistical
topic Ciencias Astronómicas
cosmic background radiation
cosmological parameters
early universe
methods: numerical
methods: statistical
dc.description.none.fl_txt_mv Estudiamos una red neuronal convolucional llamada WienerNet la cual aplica el filtro de Wiener a mapas del Fondo Cósmico de Radiación (FCR) con el objetivo de reducir el ruido presente en dichos mapas. Presentamos el funcionamiento de la red neuronal, y comparamos los resultados con los obtenidos al aplicar el filtro de Wiener con el método tradicional, que utiliza el gradiente conjugado. A su vez, mostramos la eficiencia de la aplicación de WienerNet respecto del método tradicional, el cual constituye un cuello de botella en el análisis de datos del FCR. Para este propósito, aplicamos la red neuronal a mapas del FCR con diferentes número de pixeles y diferentes modelos de ruido, y comparamos la eficiencia computacional en cada caso.
We studied a convolutional neural network called WienerNet which applies the Wiener Filter to Cosmic Microwave Background (CMB) maps, whose objective is to reduce the noise present in those maps. We present how the neural network works, and compare its results to those obtained when applying the wiener filter with the traditional method, which uses the conjugate gradient. Also, we show the efficiency of WienerNet with respect to the traditional method which constitutes a bottleneck in the data analysis of the CMB. For these purposes, we applied the neural network to CMB maps with different numbers of pixels and different noise models, and we compared the computational efficiency in each case.
Asociación Argentina de Astronomía
Facultad de Ciencias Astronómicas y Geofísicas
description Estudiamos una red neuronal convolucional llamada WienerNet la cual aplica el filtro de Wiener a mapas del Fondo Cósmico de Radiación (FCR) con el objetivo de reducir el ruido presente en dichos mapas. Presentamos el funcionamiento de la red neuronal, y comparamos los resultados con los obtenidos al aplicar el filtro de Wiener con el método tradicional, que utiliza el gradiente conjugado. A su vez, mostramos la eficiencia de la aplicación de WienerNet respecto del método tradicional, el cual constituye un cuello de botella en el análisis de datos del FCR. Para este propósito, aplicamos la red neuronal a mapas del FCR con diferentes número de pixeles y diferentes modelos de ruido, y comparamos la eficiencia computacional en cada caso.
publishDate 2023
dc.date.none.fl_str_mv 2023-08
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Articulo
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/164501
url http://sedici.unlp.edu.ar/handle/10915/164501
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/issn/1669-9521
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1846783700263501824
score 12.982451