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。
-
-
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。图2 左图为花树算法在超星系团A2029附近天区探测到的星系团/群的空间分布. 疏散星团 疏散星团诞生于分子云中，形态很不规则，在外围成员认定中存在一定困难。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。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。上述内容节选自综述论文《层次聚类算法的天文学应用》(Hierarchical Clustering in Astronomy)，欢迎阅读原文。
-
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。
-
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。
-
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。
-
天文大数据分析处理挖掘，中国天文大数据处理及共享平台建设，天文大数据算法开发，射电天文和致密星物理 | Astronomical big data analysis processing and mining ...
-
近期，新疆天文台行星科学研究团组副研究员单昊利用2011-2014年南山射电天文望远镜的部分观测数据，使用最大似然类非线性鲁棒估计器，结合快速优化算法，进行了RFI消干扰、脉冲星测时的初步研究。后续，科研人员将对算法计算效率进行改进，使其适应于大批量脉冲星数据计算。利用南山26米射电望远镜采集的脉冲星数据，开展引力波探测研究。其中，r为阈值，蓝色、红色线段分别代表原始数据和算法计算数据的测时结果。黄色为灵敏度降低后数据测时结果 图2 脉冲星PSR J0332+5434鲁棒去干扰结果。从左向右：预处理后信号F; 4时算法收敛后脉冲星信号和残差N; 6、8、10和12时算法收敛后脉冲星信号 新闻来源：http://www.xao.ac.cn/xwzx/kydt/202307/t20230727 ...
-
天文数据标准化程度较高、复杂性强，非常适合开展算法模型研究。近年来，国家天文科学数据中心充分挖掘天文数据潜力，积极推动科学数据在其他行业中的应用，同时促进天文领域中机器学习算法的研究。该比赛以天文光谱智能分类为题，参赛者对郭守敬望远镜观测获得的上千维光谱数据进行分类，设计出高效高准确率的天体分类算法。为天文学家的工作带来更多便利。中心为大赛提供了LAMOST DR4数据集中近100万个天体的光谱数据制成的机器学习数据集，选手们需利用高效、高准确率的自动化算法，将天体分成恒星（star）、星系（galaxy）和类星体（QSO）三类 ...图2 智源杯大赛官网 如果您和您的团队也对天文数据感兴趣，并希望利用LAMOST数据开展算法相关的实践与比赛，欢迎前往发布页面下载并使用。未来，中心计划针对更多的天文研究方向建设并发布高质量机器学习开放数据集，让更多人有机会使用天文数据开展算法研究与实践。
-
颜色深浅对应基于demon算法得到的速度的大小。 这项研究的关键数据来源于云南天文台的一米新真空太阳望远镜（NVST）的观测。NVST主要进行太阳高分辨率的太阳成像、光谱以及磁场观测。这项研究也讨论了Demon算法在提取高时间分辨率的太阳观测图像中的速度场信息方面的运用，其结果表明Demon算法的测量精度明显优于太阳物理研究中传统的算法。Demon算法是经典的医学图像配准算法，其运用于太阳图像研究中的最初尝试可参见刘辉等人在云南天文台台刊发表的相关论文（http://jart.ynao.ac.cn/CN/abstract/abstract2264 ...在这个日珥的分析中，Demon算法的运用确保了其关键观测结论的可靠性，即日珥中的等离子体团是接近匀速地朝着太阳表面运动。
-
由于所有由龙虾眼望远镜观测的目标都会受十字臂PSF的调制，因此给目标检测算法研发带来了困难。传统上，科学家会根据光子在探测器平面上的位置生成2D图像，并使用经典算法来检测目标。然而，由于X射线波段天体的光子数很少，常规的检测算法在探测低流量天体时的完备性以及整体的检测纯度都相对较低。2D图像中检测出不同通量的天体目标；然后是分类筛选部分，使用条件限制和随机森林算法从候选检测对象中获得最终检测结果。总体而言，对于EP上WXT获得的数据，我们团队的这个算法是一个能够满足基本需求的目标检测框架。在以后的工作中，还需要根据检测结果进一步设计分类算法，进而区分不同X射线天体目标的类别。
-
近期，紫金山天文台、国家天文台、三峡大学、湖南文理学院等合作团队结合FAST HI谱线数据与紫金山天文台青海观测站13.7 m毫米波望远镜分子谱线数据，利用团队自主开发的新基线校准算法，在大质量恒星形成研究中取得系列进展 ...HI星风的研究对谱线基线有严苛的要求，为了探测HI星风，研究团队开发了一种新的基线校准算法—FFTEEC，该算法能够最大限度地降低基线噪声，使最终得到的谱线灵敏度接近理论水平(1.8&ndash ...该算法使得FAST的高灵敏度优势得以充分发挥，使FAST成为探测HI星风的利器。系列论文的第一作者分别为紫台特别研究助理李英杰（HINSA和HI星风）以及紫台博士研究生刘德剑（基线校准算法和分子外向流）。国家天文科学数据中心为天文观测设备和研究计划提供数据与技术服务。10.3847/2041-8213/ac7b7c HI星风研究发表在ApJ上：https://iopscience.iop.org/article/10.3847/1538-4357/ac815a 基线校准算法研究发表在 ...
-
第二层为已校准的观测数据产品，由SDP科学数据处理为SRC区域中心提供，并由区域中心进行处理提供给获得观测申请的科研人员； 第三层级为更进阶的数据产品，涉及该层级的数据竞赛将致力于科学目标的研究，以及相关的算法开发 ...在此次竞赛中，上海天文台团队采用了数据前期分析，算法筛选，交叉验证，参数调优等路径。团队首先对所有竞赛数据开展统计分析，了解数据结构，天体群组特征，确定用于数据处理的输入参数范围，进而基于针对SKA不同先导项目而开发的天体搜索算法对图像进行了先期测试，经过对结果的准确度与计算效率的评估 ...，选取表现较好的算法结果进行交叉验证，得到准确率最佳的算法完成对所有图像的天体搜索与天体形态的拟合。
-
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).
-
研究团队利用了高效的机器学习算法和并行超级计算技术，对数据进行了处理和筛选，首先对全天区Gaia数据源按银经、银纬和视差使用生成树算法进行3维网格切片得到8596个数据网格，然后在每个数据网格采用了FoF ...、HDBSCAN自动聚类算法并进行递归合并，结合RF随机森林分类算法等识别出候选星团，接着采用最小二乘法对有清晰主序的星团进行等时线拟合准确推断出星团的关键参数通过交叉匹配和人工目视检查后最终从约1万个银盘疏散星团候选体证认出 ...
-
项目名称 申报人 1 基于引力波探测开源数据的共享数据门户 王 赫 2 基于深度学习算法的白矮星及致密双星挖掘 ...9 人工智能与公众科学协同的特殊天体发现方法研究 贾 鹏 10 太阳射电III型爆自动检测算法研究及参数库建设 ...
-
本研究基于深度神经网络对SKA1-LOW的仿真数据以及SKA先导阵列LOFAR、MeerKAT观测数据中的射频干扰(RFI)进行识别，并将识别结果与当前主流的RFI识别算法AOflagger进行对比。结果表明：本研究中提出的深度神经网络对RFI的识别效果总体上与AOFlagger相当，并在一定情况下比现有算法有所改进。本次工作利用SKA模拟、校准和成像算法库(RASCIL)结合美国氢原子再电离时代阵列HERA的RFI模拟方法生成受到干扰的SKA1-LOW模拟观测数据，并使用以部分模拟数据训练得到的卷积神经网络（图1） ...
-
由于这些新的方法越来越复杂，因此也使得再现这些算法变得更加困难。当前迫切需要一种技术手段，可以在完备的知识产权保护体系下，对计算方法以及分析方法的代码、数据进行共享，给新算法的快速采用、理解和推广提供渠道。更重要的是，PaperData还受到了AAS和RAA等期刊的推荐，如果在发表论文时通过这一平台分享实验所使用的计算和分析方法，或许可以为推广新算法提供更好的“解题思路”。在天文光学领域，高分辨率观测已经获取了大量的天文图像数据（如空间望远镜、配备有自适应光学系统的地基望远镜和高分辨率图像重建算法获取的数据）。于此同时，地基望远镜还在不断地获取新的观测数据。这篇论文在研究中使用了云南天文台1米新真空太阳望远镜（NVST）的数据对算法进行了检验。
-
该方法基于望远镜终端仪器获得的星像形状与望远镜性能之间的深刻复杂的对应关系和最新前沿机器学习的相关算法，可以充分利用望远镜获得的星像进行训练和测试，实现了望远镜光学成像性能的高精度实时监测，并在我国首个天文类国家重大科技基础设施 ...图2 导星相机获得的各种星像形状统计（第一行为正常观测星像，占星像的绝大部分） 机器学习相关算法已经在很多领域中表现出很好的形状识别和分类能力，可以用于区分望远镜的获得的像斑形状。结合机器学习相关算法，可以通过以下几步实现望远镜性能监测，首先对望远镜获得图片进行分类，筛选出包含亮星的图片；然后对图片进行剪切，获得只包含单颗完整星像的小图片，使用机器学习算法对星像的形状进行识别，根据识别出形状给出造成性能不佳的原因 ...