中文

基于卷积神经网络的天体分类:从 KiDS 到 Euclid

天体物理仪器与方法 2024-03-05 v1

摘要

在过去30年中,大规模成像巡天的发展速度比天文学家的数量增长快约1000倍。利用人工智能代替天文学家的大脑来执行解释任务,使天文学家能够跟上数据的增长步伐。本文报告了使用卷积神经网络在千度巡天(KiDS)和 Euclid 巡天中对三类罕见天体(星系并合、强引力透镜和小行星)进行分类的进展。

关键词

引用

@article{arxiv.2403.01613,
  title  = {Object classification with Convolutional Neural Networks: from KiDS to Euclid},
  author = {G. A. Verdoes Kleijn and C. A. Marocico and Y. Mzayek and M. Pöntinen and M. Granvik and O. Williams and J. T. A. de Jong and T. Saifollahi and L. Wang and B. Margalef-Bentabol and A. La Marca and B. Chowdhary Nagam and L. V. E. Koopmans and E. A. Valentijn},
  journal= {arXiv preprint arXiv:2403.01613},
  year   = {2024}
}

备注

ADASS XXXII - 2022, Victoria, Conference Proceedings