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。
-
静态图是将新图和历史图（以前拍摄的同一目标位置的图）进行减法的操作，将重复部分减去只留下新出现星点的部分，然后再做强化处理，因此在静态图中找新目标被叫做寻找亮斑。超新星SN2013gb ，由绍兴爱好者王彬发现 超新星SN2013fw ，由宁波爱好者金彰伟发现 动态图就是将未做减法处理的新图和历史图来回切换，由于人眼对两图中的不同部分非常敏感 ...”，但是在同一个批次中（也就是每一个小时系统发放的图片中），一个用户最多可以提交六次可疑目标，超过六次系统就会停止给您放该批次的图了，此举是为了避免有小朋友胡乱提交，增加后台高级用户的负担~ ...我们强烈建议您对可疑目标做指示（如果无法完成上述标记功能，大多是因为浏览器的问题，您可以换一个浏览器尝试，尤其是手机用户，请不要使用UC浏览器）。
-
单次曝光光谱的视向速度由光谱和最佳拟合模版的最小chi^2法测量得到。谱线宽度和单个光谱的视向速度的信息可在线获得。对于在同一天观测的信噪比高于20的恒星，视向速度不确定性低于5km/s，而在不同夜晚观测的恒星，视向速度不确定性增加到10km/s。
-
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.
-
与DR1相比，此星表增加了更多的谱指数信息。星表以FITS表格和csv表格两种格式提供。
-
与DR1相比，此星表增加了更多的谱指数信息。星表以FITS表格和csv表格两种格式提供。
-
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。
-
与DR1相比，此星表增加了更多的谱指数信息。星表以FITS表格和csv表格两种格式提供。
-
与DR1相比，此星表增加了更多的谱指数信息。星表以FITS表格和csv表格两种格式提供。
-
与DR1相比，此星表增加了更多的谱指数信息。星表以FITS表格和csv表格两种格式提供。
-
与DR1相比，此星表增加了更多的谱指数信息。星表以FITS表格和csv表格两种格式提供。
-
与DR1相比，此星表增加了更多的谱指数信息。星表以FITS表格和csv表格两种格式提供。
-
不过还有约7%的论文无法有效地确定国别，主要原因是tex源文件的通讯地址写法多种多样。作者邮箱也不固定，有8.6%的通讯作者留的是gmail邮箱。如果我们考察相关论文数的和去年的差值，可以得到变化最大的关键字排名： black hole, 增加 100篇 Bayes factor, 增加 74篇 stellar mass, 增加 72篇 ...core mass, 增加 46篇 binary system, 增加 45篇 star formation, 减少 74篇 magnetic field, 减少 49 篇 kinetic ...在软件技术方面，近年火热的卷积神经网络（CNN）、机器学习（ML）均已占有一席之地，不过距离MCMC这样的通用算法还有一定差距。
-
为了得到行星出现率与恒星年龄的关系，排除其他恒星性质的影响，研究团队采用了“控制参数法”，对于不同的年龄组别，选取各个参数都相近的恒星，以分离出恒星年龄的影响（见图 2）。控制参数法示意图。 在确定了恒星的年龄，并排除了其他恒星参数影响后，研究团队发现，随着恒星年龄增加，恒星周围出现行星系统的概率不变，一直保持在50%左右（如图3左）。同时，行星系统内的平均行星个数，则随着年龄的增加而减少。研究团队还发现，行星系统轨道倾角的弥散度随着恒星年龄增加而上升。在恒星较为年轻时，其轨道倾角弥散度的中值大约为1.2度，在恒星较为年老时，轨道倾角弥散度的中值增加到3.5度左右。
-
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。
-
观测表明，银盘上的恒星速度弥散度会随着恒星年龄的增加而增加，普遍认为，这是由动力学效应造成的。天文学家称之为“盘的加热机制”。结合GAIA DR1和LAMOST观测数据，我国天文学家使用新的统计方法，建立了银盘上完整的三维速度信息，从而精确地给出了恒星年龄与速度弥散度之间的关系。这一发现也验证了银盘的加热机制。
-
但是大部分恒星宿主尚没有精确的年龄测量，而且之前划分银河系组分的运动学方法的适用范围小（太阳附近约100pc处）。因此在该系列研究的第一篇文章（“穿越-1”）中，研究团队修正了测定恒星银河系组分和年龄的运动学方法，将适用范围扩大到了太阳附近约1500pc处，同时运动学年龄的精度也从30%-60% ...基于修正后的运动学方法，利用LAMOST，Gaia和Kepler等数据，研究团队计算得到了2174颗系外行星宿主恒星和35,864颗Kepler恒星的运动学性质（位置、速度、银河系组分、运动学年龄等，如图 ...图2：LAMOST-Gaia-Kepler恒星样本的Toomre运动图 基于这些星表，在系列研究的第二篇文章（“穿越-2”）中，研究团队发现随着行星个数的增加，薄盘星的比例增加 ...图3：薄盘比例,厚盘比例和运动学年龄随行星数目的变化趋势 “穿越-1”和“穿越-2”成果中修正的方法和构建的星表，为今后在银河系背景下的系外行星研究奠定了基础 ...
-
当前的线性方法在RFI建模中困难较大，并且去除的RFI种类有限；阈值方法中的经验因素使方法在使用中操作繁琐；非线性方法当前发展不完善。此项研究在优化框架下提出一种精确区分信号与RFI的通用框架，相对于传统方法主要有以下优势：(1)建立最优化去干扰信号分解模型，可以去除大多数种类RFI(如图 2所示)。(2)较大程度削减经验因素，增加可操作性。(3)利用鲁棒非线性性克服RFI的非高斯性，提高去干扰精度。(4)残差分解后进行信号细节回收，弥补方法灵敏度的损失。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。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 ...