我们应用迁移学习方法和XGBoost算法对Pan-STARRS1 (PS1) 和AllWISE测光星表进行银道面背景类星体选源，并使用Gaia自行判据排除恒星污染源，最终得到位于 |b|≤20∘内、包含 ...
使用XGBoost回归算法计算的候选体测光红移范围为(0, 5]。本星表中包含了候选体的PS1和AllWISE星等、测光红移、分类概率，以及Gaia自行信息。
-
-
这是“Fast generation of mock galaxy catalogue with COLA”一文中所用到的数据集，包括BOSS CMASS NGC星系的模拟星表和暗物质粒子模拟直接输出的暗物质晕表。
-
使用离散傅立叶转换法拟合漩涡星系的悬臂，得到悬臂的性质。参见文章: The Carnegie-Irvine Galaxy Survey. VI.
-
该项目包括从LAMOST DR8中约821万个低分辨率光谱估计出的目录、代码、训练好的模型和实验数据，分别用于天文科学探索和数据处理算法研究。
-
此星表的共生双星候选体是用机器学习的方法得到的。
-
层次聚类算法是一种无监督算法。它按照某种预设的度量来量化数据之间的距离，并将距离用树状图呈现。层次聚类不只提供最终的聚类结果，也能呈现数据点之间的层次关系。传统的成员识别方法通常假定星团成员有相同的运动学信息和相同的演化趋势。 层次聚类方法不需要事先假设，这对于探索星团的边界有很大优势。图3 左图为英仙双星团的树状图.右图为算法给出的两个子团成员的空间分布. 分子云 与离散分布的星系、恒星不同，分子云在空间中连续分布。层次聚类算法在分子云中的应用更为多样。但随着数据集越来越大，选取合适的特征量进行算法分类是一大趋势。 层次聚类方法可以实现小行星族的分类并识别其动力学演化，也可以用于X射线天体光谱分类和系外行星分类。随着新一代天文设备的陆续建成，待分析的数据量大幅增长，层次聚类算法也将会在天文学研究中发挥更大的作用。
-
这里公布的是太原理工大学智能光学实验室研究的CMOS暗电流建模和坏像素识别方法所对应的样例代码，代码已经应用于一个商用卫星的数据处理任务中，并且展示了比较好的结果。
-
这里公布的是太原理工大学智能光学实验室研究的CMOS暗电流建模和坏像素识别方法所对应的样例代码，代码已经应用于一个商用卫星的数据处理任务中，并且展示了比较好的结果。
-
这是大气湍流相位屏数字孪生模型的示例代码，该代码权重及相位屏尺度被锁死，最大可生成128*128像素500副相位屏，可以为各类算法测试提供参考。
-
这是大气湍流相位屏数字孪生模型的示例代码，该代码权重及相位屏尺度被锁死，最大可生成128*128像素500副相位屏，可以为各类算法测试提供参考。
-
近日，国家天文台王守成博士、马骏研究员，云南大学陈丙秋副教授，云南天文台龙潜研究员等人基于LAMOST数据构建了搜寻仙女星系（M31）星团的新方法，并从仙女星系全景考古巡天（PAndAS）测光数据中证认出 ...而在没有哈勃数据的区域，研究团队基于LAMOST，PAndAS等地面望远镜的观测数据优势，利用新方法在搜寻M31盘中年轻星团方面取得了新的突破。
-
This is code and data for the paper "Target Detection Framework for Lobster Eye X-Ray Telescopes with Machine Learning Algorithms". There is another docker version of this code, which could be obtained from the correpsonding author Peng (robinmartin20@gmail.com).
-
This is code and data for the paper "Target Detection Framework for Lobster Eye X-Ray Telescopes with Machine Learning Algorithms". There is another docker version of this code, which could be obtained from the correpsonding author Peng (robinmartin20@gmail.com).
-
2022年，法国斯特拉斯堡天文数据中心（The Strasbourg astronomical Data Center，简称 CDS）迎来了它的50岁生日。法国高等教育研究与创新部（French Ministry for Higher Education Research and Innovation, MESRI）、法国国家科学研究中心国家地球科学和天文研究所 ...national de la recherche scientifique - Institut national des sciences de l'Univers，CNRS-INSU）、斯特拉斯堡大学、法国国家科学中心开放研究数据部门 ...CDS 当前的资源和服务 CDS属于法国斯特拉斯堡天文台，是天文数据库领域的先驱。CDS在1972年开始采用计算机对天文数据和文档进行电子化管理。绿荫掩映中的法国斯特拉斯堡天文台（崔辰州 摄） 其数据资源的核心是天文学家多年来向提交的2万余个大大小小的星表，主要包括国际大科学项目以及科学家的论文数据，其中UCAC、GAIA等大科学项目产生的超大规模数据最为知名 ...
-
2015年，Ness等人提出了数据驱动的The Cannon算法来计算恒星参数，这种方法的优势是可以容易地在不同光谱巡天之间相互定标恒星参数。章博等人发现该方法存在一定的局限性：只能对很窄的参数范围内的恒星进行建模（例如有效温度从5500K-3800K），而无法扩展到更宽范围。因此章博等人提出利用支持向量回归（一种非参数化回归模型）来改进这种数据驱动的恒星参数计算方法，构建了SLAM方法。经测试，SLAM方法在宽参数范围内展示出优越的性能，使得光谱巡天的相互定标不再受到参数范围的限制。这体现了SLAM方法相较于The Cannon算法的巨大优势。SLAM方法为开展银河系的科学研究提供了非常有力的工具。
-
本次比赛旨在鼓励大众参与到天文学的探索当中，利用最新的人工智能算法分析望远镜收集到的真实科学数据。 ...光谱自动分类就是要从上千维的光谱数据中选择和提取对分类识别最有效的特征来构建特征空间，例如选择特定波长或波段上的光谱流量值等作为特征，并运用各种算法对天体进行区分。传统的人工或半人工的利用模板匹配的方式不能很好应对，需要高效而准确的天体光谱智能识别分类算法。 ...选手们将以LAMOST巡天光谱分类为题，利用高效、高准确率的自动化算法，将未知天体分成恒星（star）、星系（galaxy）和类星体（QSO）三类，以期用最新的人工智能技术来解决天文研究中的实际问题。作为科学数据的代表，天文数据标准化程度高、体量丰富且具有高度复杂性，是机器学习、数据挖掘等算法训练的优质样本。
-
国际上已有相关研究团队利用卷积神经网络方法搜索强引力透镜系统。
-
该研究基于中国科学院云南天文台丽江天文观测站2.4米望远镜光谱观测的定标需求，提出了一种改正光谱大气吸收的新方法，改正精度达1%。论文链接：点击这里。传统的大气吸收改正方法需要在科学目标观测前后，在附近天区观测大气吸收标准星。基于小视场的时域观测研究中，该方法将占用大量宝贵的望远镜观测时间。另外，该方法无法在完全同时的观测条件下观测科学目标和标准星，天气和望远镜指向状态等的变化，导致光谱大气吸收的改正精度并不高。结合恒星物理研究建立的恒星模板光谱库，或者LAMOST和SDSS光谱巡天建立的恒星光谱数据库，该研究采用观测比较星光谱匹配恒星模板光谱的方法，获得比较星的大气吸收谱。通过计算大气吸收改正前和改正后氧发射线的流量弥散，对新提出的光谱大气吸收改正方法进行评估，发现该方法对光谱大气吸收的改正精度为1%。对于具备长缝光谱仪的地基望远镜观测，该方法具有普适性。
-
赵永恒研究员和北京大学吴学兵教授基于中国郭守敬望远镜（LAMOST）和美国斯隆数字巡天(SDSS)的光谱数据，结合欧洲航天局的X射线牛顿天文望远镜（XMM-Newton）数据、广域红外巡天探测器（WISE）数据及SDSS可见光测光数据，通过交叉证认方法获取了具有不同波段信息的多个已知样本 ...基于此，研究人员通过机器学习方法构建了适合不同波段样本的最优分类器，为X射线牛顿天文望远镜第九次发布数据（DR9）提供了分类预测和概率。交叉证认在多波段天文学研究中起着至关重要的作用,是多波段天文数据融合的关键技术和方法。通过对某一天体的多波段证认,可以获得该天体的不同波段信息,进而可以揭露更多的物理本质。接着，利用机器学习方法针对不同波段的已知样本分别构建了不同的分类器，从中挑选出最优分类器对X射线牛顿天文望远镜DR9数据中的未知源给出了分类预测和概率。该成果充分体现了机器学习方法在多个大型多波段巡天项目融合数据中的应用价值，其分类结果为进一步细致分析和研究X射线源具有非常重要的科学应用前景。
-
近期，广州大学国家天文科学数据中心大湾区分中心、中国科学院国家天文台团队和西华师范大学团队、中国科学院云南天文台的谈磊、梅盈、王锋、邓辉、柳志存、罗杨平、刘超和邓林华等人，开展了基于深度学习方法的热亚矮星的搜寻研究 ...但由于LAMOST没有测光观测，传统的颜色切割方法无法运用于热亚矮星的搜寻中，并且由于数据量庞大，人工证认会耗费大量的时间和精力。本研究提出了一种鲁棒的基于卷积神经网络（CNN）的热亚矮星搜寻方法。