home *** CD-ROM | disk | FTP | other *** search
/ Space & Astronomy / Space and Astronomy (October 1993).iso / mac / TEXT_ZIP / jplnews / SKICAT.ZIP / SKICAT.PR
Text File  |  1993-05-03  |  4KB  |  98 lines
  1. PUBLIC INFORMATION OFFICE
  2. JET PROPULSION LABORATORY
  3. CALIFORNIA INSTITUTE OF TECHNOLOGY
  4. NATIONAL AERONAUTICS AND SPACE ADMINISTRATION
  5. PASADENA, CALIF. 91109. TELEPHONE (818) 354-5011
  6.  
  7. Contact:  Jim Doyle
  8.  
  9. FOR IMMEDIATE RELEASE                              april 13, 1993
  10.  
  11.      Scientists at NASA's Jet Propulsion Laboratory and the
  12. California Institute of Technology announced today that they have
  13. developed a computer software system to catalog and analyze the
  14. estimated half billion sky objects in the second Palomar
  15. Observatory sky survey.
  16.  
  17.      The survey of the northern sky includes more than 3,000
  18. digitized photographic plates produced by Palomar, located in San
  19. Diego.
  20.  
  21.      Drs. Usama Fayyad and Richard Doyle of JPL said the system,
  22. called Sky Image Cataloging and Analysis Tool (SKICAT), will be
  23. delivered to Caltech this month.  SKICAT is based on state-of-
  24. the-art machine learning, high performance database and image
  25. processing techniques.
  26.  
  27.      Caltech astronomer Professor S. Djorgovski said each
  28. photographic plate is being digitized into 23,040 by 23,040-pixel
  29. images at the Space Telescope Science Institute, Baltimore.  The
  30. resulting data set will not be surpassed in quality or scope for
  31. the next decade, he said.
  32.  
  33.      "The sky object classification task is manually forbidding. 
  34. The plates contain hundreds of millions of sky objects.  Humans
  35. are unable to visually process the fainter objects in the
  36. survey," Djorgovski said.
  37.  
  38.      Fayyad said the core of the new system includes two
  39. integrated machine learning mathematical formulas, called
  40. algorithms.  These algorithms automatically produce decision
  41. trees for the computer based on astronomer-provided training data
  42. or examples.  A machine learning program learns to classify new
  43. data based on training data provided by human experts.
  44.  
  45.      Caltech astronomer Nick Weir and Fayyad said SKICAT has a
  46. correct sky object classification rate of about 94 percent, which
  47. exceeds the performance requirement of 90 percent needed for
  48. accurate scientific analysis of the data.
  49.  
  50.      By contrast, Fayyad said, the best performance of a
  51. commercially available learning algorithm was about 75 percent. 
  52. By training the learning algorithms to predict classes for faint
  53. astronomical objects on the survey plates, the algorithms can
  54. learn to classify objects that actually are too faint for humans
  55. to recognize.
  56.  
  57.      The training data for faint objects was obtained from a
  58. limited set of charge coupled device images taken at a much
  59. higher resolution than the survey images, Weir said.
  60.  
  61.      The SKICAT system will produce a comprehensive survey
  62. catalog database containing about one-half billion entries by
  63. automatically processing about three terabytes (24 trillion bits,
  64. 8-bits to a byte) of image data.
  65.  
  66.      Since SKICAT can classify sky objects that are too faint for
  67. humans to recognize, the SKICAT catalog will contain a wealth of
  68. new information not obtainable using traditional cataloging
  69. methods, Weir said.  Because sky objects up to one visual
  70. magnitude fainter now can be processed, the number of classified
  71. catalog entries will be approximately three times larger than has
  72. been possible so far with other techniques.
  73.  
  74.      "Some historical sky object classification tasks performed
  75. over a period of years could now be achieved in a few hours,"
  76. Weir said.
  77.  
  78.      One major benefit of this program includes freeing
  79. astronomers from the tedium of an intensely visual and manual
  80. task so they may pursue more challenging analysis and
  81. interpretation problems, according to Djorgovski.
  82.  
  83.      "This is an excellent example of the use of machine learning
  84. technology to automate an otherwise infeasible task of dealing
  85. with an amount of data that is simply overwhelming to humans,"
  86. Fayyad said.  "SKICAT represents a new generation of intelligent
  87. trainable tools for dealing with the huge volumes of scientific
  88. image data that today's instruments collect."
  89.  
  90.      "We view SKICAT as a step towards the development of the
  91. next generation of tools for the astronomer of the turn of the
  92. century and beyond," Djorgovski said.
  93.  
  94.                               #####
  95.  
  96. 4-12-93 JJD
  97. #1497
  98.