光谱的特征提取是光谱自动化处理和分析的关键环节，近期，北京师范大学王可、郭平等人提出了一种光谱特征自动提取方法，该方法利用大量LAMOST观测光谱，使用伪逆学习算法训练局部连接的多层神经网络。与传统的多层神经网络训练算法相比，伪逆学习算法的应用使得网络在训练速度以及参数调优方面具有明显的优势。此外，新的网络结构降低了模型的复杂度，并具有更强的局部特征学习能力，同时能够降低过拟合的风险。该研究将新的神经网络模型成功应用于恒星光谱的自动分类以及红蓝端拼接错误的光谱修复问题中，在没有领域知识的前提下，该模型在LAMOST实测光谱数据上取得了良好的试验结果（如下图所示）。

    关于召开2017年度LAMOST用户培训会的通知

  作为中国天文界的第一个国家重大科技基础设施， LAMOST望远镜一期光谱巡天将于2017年6月结束，预计将发布约900万条光谱，其中高质量光谱（信嗓比大于10的）约750万条， 恒星参数约500万组。 这是世界上最大的、 有传承价值的天体光谱数据库，填补了中国大型天文基础数据的空白，为研究银河系及一般星系的形成与演化提供了基础性数据。 目前已有二百多篇基于LAMOST数据的研究成果发表并呈快速增长的趋势。

为吸引更多的天文工作者和学生参与LAMOST相关科研工作， 进一步扩大LAMOST的科学产出，特定于2017年7月1 - 2日在北京召开2017年度LAMOST 用户培训会。 真诚欢迎天文界同仁和学生积极报名参加。 会议具体信息如下：

1. 主办单位： LAMOST用户委员会、LAMOST运行和发展中心

2. 会议时间：2017年7月1 - 2日；6月30日下午从国家天文台出发去国科大，7月2日晚返回。

3.会议地点： 国科大国际会议中心

4.会议日程：另行通知；

5.食宿：本次会议不收取注册费， 食宿由会议主办方统一安排；