返回列表

18th Place Solution

626. NeurIPS - Ariel Data Challenge 2024 | ariel-data-challenge-2024

开始: 2024-08-01 结束: 2024-10-31 物理与天文 数据算法赛
第 18 名解决方案

第 18 名解决方案

作者:yu4u (Grandmaster)  |  发布时间:2024-11-01  |  竞赛排名:18

这次比赛非常引人入胜,讨论活跃,包括由主持人发起的讨论。我想向组织者提供这样一个绝佳机会表示感谢。

解决方案总结

解决方案示意图

我的方法基于一个优秀的公开笔记本。我想感谢该笔记本的作者以及作为其基础的许多其他笔记本的作者。

我的解决方案是公开笔记本的直接扩展。主要增强如下:

  • 我修改了频率方向平均通量的多项式拟合,之前是在二维进行的,现在改为拟合三维平面,包括频率方向。
  • 我调整了常数 sigma,使其针对每个行星单独估计。

关于三维平面拟合,由于单个频率信号的高噪声水平,有几个考虑因素:

  • 单独归一化每个频率的平均值,因为信号强度随频率变化。
  • 直接使用在平均频率处计算的凌日相位。
  • 使用在平均频率处计算的深度预先调整信号,以模拟无深度条件。
  • 不是在三维平面拟合期间优化深度,而是使用拟合信号归一化通量,并从凌日相位信号与其他信号的平均通量比率估计深度。

对我无效的方法

频率索引 180 到 186 处的信号特别令人困惑。尽管比其他频率有显著更大的误差,但使用这些信号通过线性回归预测所有频率导致许多频带的 RMSE 显著改善(最佳 CV 得分达到 49 ppm)。然而,该模型在测试数据上表现不佳,未能提供任何有意义的结果。

同比赛其他方案