基于机器学习的KiDS ESO DR2星系测光红移
天体物理仪器与方法
2015-07-31 v3 星系天体物理
摘要
我们估计了ESO公共千度巡天（KiDS）第二次数据发布中超过110万个星系的测光红移（zphot）。KiDS是利用VLT巡天望远镜（VST）和OmegaCAM相机进行的光学宽场成像巡天，旨在解决宇宙学和星系演化中的开放性问题，如暗能量的起源和星系质量增长的通道。我们展示了使用拟牛顿算法多层感知机（MLPQNA）模型获得的测光红移目录，该模型在数据挖掘与探索网络应用资源（DAMEWARE）框架内提供。这些测光红移基于一个光谱知识库，该知识库是通过合并来自GAMA（星系与质量组装）第2次数据发布和SDSS-III第9次数据发布的光谱数据集而获得的。Delta z = (zspec - zphot) / (1+ zspec) 的总体1 sigma不确定度约为0.03，平均偏差极小，约为0.001，NMAD约为0.02，灾难性异常值（| Delta z | > 0.15）的比例约为0.4%。
引用
@article{arxiv.1507.00754,
title = {Machine Learning based photometric redshifts for the KiDS ESO DR2 galaxies},
author = {Stefano Cavuoti and Massimo Brescia and Crescenzo Tortora and Giuseppe Longo and Nicola R. Napolitano and Mario Radovich and Francesco La Barbera and Massimo Capaccioli and Jelte T. A. de Jong and Fedor Getman and Aniello Grado and Maurizio Paolillo},
journal= {arXiv preprint arXiv:1507.00754},
year = {2015}
}
备注
MNRAS, 6 pages, 4 figures