* Использовать алгоритмы, способные обрабатывать последовательности объектов, например, [[ Рекуррентные нейронные сети | рекуррентные нейронные сети ]], или, в частности, [[ Долгая краткосрочная память | LSTM ]]<ref>arXiv:1902.03620 [astro-ph.HE]</ref>, которые можно обучить на нескольких последовательных результатах измерения излучения участка неба. В вышеупомянутой работе, к примеру, объектами являются данные о гамма-излучении на протяжении 20 временных интервалов.
[[Файл:LSTMforTransients.png|600px|thumb|center|Архитектура рекуррентной нейронной сети для классификации кратковременных событий]]
[[ Дерево решений и случайный лес | Случайные леса ]] (англ. ''random forest'') используются ====Астрономические феномены====Нейронные сети можно использовать для решения задач классификации определения и регрессии. В пример можно привести следующие исследования:* Определение величины красного смещения по изображениюклассификация стадий астрономических феноменов галактик <ref>CarlilesHuertas-Company, SM., Budav ́ariPrimack, TJ., Heinis, S., Priebe, CR., &SzalayDekel, A. S. 2010, ApJ, 712, 511</ref>* Классификация<ref>Bloom, J. S., Richards, J. W., Nugent, P. E., et al.20122018, PASPApJ, 124858, 1175114</ref> кратковременных астрономических событий и [https://ru.wikipedia.org/wiki/Переменная_звезда переменных звезд]* Классификация звезд и галактик<ref>Miller, Aсвязанных со звездообразованием в них. AОсобенностью таких задач является необходимость генерировать для них искусственные наборы объектов для обучения ввиду недостаточного количества наблюдаемых феноменов такого типа в реальных данных., Kulkarni, M. K., Cao, Y., et al.2017, AJ, 153, 73</ref>
==== Нейронные сети ====
[[ Нейронные сети, перцептрон | Нейронные сети ]] (англ. ''Artificial neural networks, ANN'') используются для решения задач классификации и регрессии. В пример можно привести следующие исследования:
