Статья посвящена решению задачи автоматической классификации астрономических объектов (звезд, галактик и квазаров) на основе фотометрических данных с использованием нейросетевой модели. Актуальность работы обусловлена стремительным ростом объемов астрономических наблюдений, делающим ручную классификацию практически невыполнимой, а также развитием методов машинного и глубокого обучения, открывающих новые возможности для автоматизации анализа астрономических каталогов. Задача осложняется высокой вариативностью фотометрических признаков и частичным перекрытием характеристик между классами объектов. В качестве источника данных использован общедоступный датасет Stellar Classification Dataset с платформы Kaggle. Данные получены из обзора Sloan Digital Sky Survey и представляют собой таблицу из 100 000 объектов, каждый из которых описывается набором физических и наблюдательных параметров. Целевой признак (метка класса) принимает одно из трех значений. Для построения нейросетевой модели классификации использован язык программирования Python, а также библиотеки и фреймворки Keras, TensorFlow, Scikit-learn, NumPy, Pandas и Matplotlib. Нейросетевая модель выполнена в виде многослойного персептрона, включающего три скрытых слоя с функцией активации ReLU и механизмом Dropout для предотвращения переобучения. Признаковое пространство дополнено цветовыми индексами, позволяющими модели учитывать форму спектра объекта. Построенная модель достигла точности 97% на валидационной выборке данных. В течение всего процесса ее обучения наблюдалась близость значений потерь на обучающей и валидационной выборках данных Это свидетельствует об отсутствии выраженного переобучения, что подтверждается стабилизацией обеих кривых на уровне около 0,1 к концу тридцатой эпохи обучения. После построения нейросетевой модели проведен анализ ее эффективности. Для этого построена матрица ошибок классификации, а также для каждого класса рассчитаны значения метрик accuracy, precision, recall и F1-score. Анализ матрицы ошибок и указанных метрик выявил характерные трудности при разграничении галактик и квазаров, обусловленные перекрытием их цветовых индексов, и обозначил направления для дальнейшего совершенствования модели: расширение признакового пространства, применение более сложных нейросетевых архитектур, адаптация модели для обработки других наборов данных, а также применение методов интерпретируемости моделей. Практическая значимость работы состоит в возможности применения разработанного решения для автоматизированной обработки больших каталогов астрономических наблюдений.
КЛАССИФИКАЦИЯ АСТРОНОМИЧЕСКИХ ОБЪЕКТОВ, НЕЙРОСЕТЕВОЕ МОДЕЛИРОВАНИЕ, МНОГОСЛОЙНЫЙ ПЕРСЕПТРОН, ФОТОМЕТРИЧЕСКИЕ ДАННЫЕ, SDSS, ЦВЕТОВЫЕ ИНДЕКСЫ, МАШИННОЕ ОБУЧЕНИЕ
1. S. Wang, B. Chen, Informatics. Economics. Management, 2, 4, 134-144 (2023).
2. Р.И. Юсупова, Р.С. Зарипова, М.Г. Нуриев, Казанская наука. 2025. № 2. С. 201-203.
3. Д.В. Катасёва, Д.Д. Лосева, Вестник Технологического университета, 25, 1, 77-80 (2022).
4. Р.Н. Минниханов, А.С. Катасёв, Д.В. Катасёва, В. Скибин, Вестник Технологического университета, 27, 11, 199-205 (2024).
5. К.А. Матвеева, Р.Н. Минниханов, А.С. Катасёв, Вестник Технологического университета, 27, 1, 76-80 (2024).
6. В.А. Лохвицкий, Е.Л. Яковлев, И.В. Бушев, Интеллектуальные технологии на транспорте, 4 (44), 89-98 (2025).
7. А.С. Ходжаев, И.И. Зинченко, Астрофизический бюллетень, 80, 1, 145-167 (2025).
8. В.А. Голов, Д.А. Петрусевич, Russian Technological Journal, 9, 3 (41), 66-77 (2021).
9. Г.А. Галазутдинов, Астрофизический бюллетень, 77, 4, 579-590 (2022).
10. Л. Тань, С.В. Новикова, Вестник Казанского государственного энергетического университета, 14, 3, 114-125 (2022).
11. К.А. Омарова, А.У. Ахмадов, О.А. Пырнова, Проблемы современного педагогического образования, 85-4, 312-317 (2024).
12. М.Г. Нуриев, Е.С. Белашова, К.А. Барабаш, Программные системы и вычислительные методы, 1, 1 (2023).
13. К.А. Сапрыкин, Инновации и инвестиции, 11, 322-325 (2023).
14. Д.А. Набиуллин, В.В. Кононова, С.В. Новикова, Вестник Технологического университета, 24, 6, 103-107 (2021).
15. А.С. Катасёв, Д.В. Катасёва, Ю.Н. Смирнов, Л.Н. Кунафина, Вестник Технологического университета, 27, 10, 101-105 (2024).
16. А.И. Сабиров, Р.Н. Минниханов, А.С. Катасёв, Р.И. Мустафин, Вестник Технологического университета, 27, 1, 87-91 (2024).
17. A. Bobokhonov, L. Khuramov, A. Rashidov, Проблемы информатики, 3 (68), 52-71 (2025).
18. K. Lathong, K. Wisaeng, International Journal for Computational Civil and Structural Engineering, 20, 3, 69-83 (2024).
19. А.Н. Григорьев, А.И. Алтухов, Д.С. Коршунов, Научно-технический вестник информационных технологий, механики и оптики, 21, 3, 311-319 (2021).
20. A.N. Tarasenkov, INASAN Science Reports, 9, 3, 89-92 (2024).
21. О.А. Пырнова, Р.С. Зарипова, Информационные технологии в строительных, социальных и экономических системах, 1 (15), 82-84 (2019).
22. М.П. Шлеймович, М.В. Дагаева, А.С. Катасёв, С.А. Ляшева, М.В. Медведев, Компьютерные исследования и моделирование, 10, 3, 369-376 (2018).
23. М.В. Дагаева, Д.В. Катасёва, А.С. Катасёв, Информация и безопасность, 21, 4, 540-545 (2018).
24. В.С. Тормозов, К.А. Василенко, А.Л. Золкин, Программные продукты и системы, 2, 343-348 (2020).
25. М.И. Черных, С.А. Победа, Д.А. Жукалин, Вестник Воронежского государственного университета. Серия: Физика. Математика, 2, 42-49 (2021).
26. kaggle.com: сайт. – URL: https://www.kaggle.com/datasets/fedesoriano/stellar classification-dataset-sdss17 (дата обращения: 25.03.2026).
27. A.R. Raju, T. Maddileti, R. Srinivas, K. Saikumar, International Journal of Integrated Engineering, 14, 7 (2022).
28. Д.Х. Беков, Т.А. Ахунов, О.А. Бурхонов, Н.Р. Алимова, Астрофизический бюллетень, 79, 1, 16-25 (2024).
29. И.Ю. Пикалов, Вестник МГПУ. Серия: Информатика и информатизация образования, 2 (68), 48-61 (2024).
30. О.Л. Ибряева, Д.К. Лебедев, Автоматизация в промышленности, 8, 55-58 (2023).
31. Н.А. Пастухов, Автоматизированное проектирование в машиностроении, 17, 87-89 (2024).
32. Б.Х. Нургалиев, А.С. Катасёв, Вестник Технологического университета, 25, 1, 61-64 (2022).
33. Е.Ю. Шмалько, Ю.А. Румянцев, Р.Р. Байназаров, К.Л. Ямшанов, Информатика и автоматизация, 20, 6, 1254-1278 (2021).
34. А.С. Катасёв, Д.В. Катасёва, Ю.Н. Смирнов, В.Л. Васильев, Вестник Технологического университета, 27, 9, 115-119 (2024).
35. А.С. Катасёв, Д.В. Катасёва, Ю.Н. Смирнов, Н.И. Фаттахов, Вестник Технологического университета, 27, 10, 112-119 (2024).
36. Д.М. Оболенский, В.И. Шевченко, О.В. Ченгарь, Е.Н. Мащенко, Экономика. Информатика, 48, 1, 100-115 (2021).
37. I.A. Brokarev, M.P. Farkhadov, S.V. Vaskovskii, Tomsk State University Journal of Control and Computer Science., 55, 11-17 (2021).
38. В.В. Старовойтов, Ю.И. Голуб, Информатика, 18, 1, 61-71 (2021).
39. В.А. Буланов, О.Е. Фомичева, Приборы и системы. Управление, контроль, диагностика, 3, 33-37 (2020).
40. Л.Ю. Емалетдинова, А.С. Катасёв, М.А. Назаров, Инженерный вестник Дона, 7 (103), 71-80 (2023)
