摘要:针对Gabbard等人发表在《Pyhsical Review Letters》上的文章“Matching Matched Filtering with Deep Networks for Gravitational-Wave Astronomy ”，提出了一种卷积神经网络优化模型。文章将卷积神经网络应用于引力波信号的识别，研究最大池化层参数对模型分类能力的影响，调整模型中超参数提升引力波信号分类的准确率；将优化后的网络结构与Gabbard 的卷积神经网络用于相同的模拟数据集，并在测试集上绘制了接受者操作特性曲线（Receiver Operating Characteristic curve，简称ROC 曲线）,计算了ROC 曲线下的面积；结果证明：相比于未优化的网络，此处的模型在ROC下的面积在数值上提高了0.025 4~0.032 6；同时，改变噪音的振幅，将两种方法应用于新的数据集上，结果同样证明，优化后网络效果更好，鲁棒性强。