增加了新地标，包括：
4个环形坑：阿姆斯特朗环、科林斯、奥尔德林、博比耶。
为保证印刷后的清晰度，将着陆点文字的颜色改为紫色白边，并在地图右下角加上了颜色说明。
月面地图可以用来做什么？
1.
如果大家有兴趣，也欢迎帮忙校对地图，校对方法可见“校对说明”文档。校对后如果发现问题，可与我们联系。
-
-
5、大赛组委会对恶意刷票保留处理权力。 即日起登陆中国数字科技馆大赛官方投票页面即可投票。 https://www.cdstm.cn/subjects/observatory ...
-
面对天文领域日益增长的大数据集和大数据流，迫切需要相应的先进分析和可视化方法。 光谱分类识别一直是天文学家研究的基础问题，也是LAMOST巡天计划的一项重要任务。尽管自动方法的性能越来越好，由于光谱数据的复杂性，人类专家视觉检查对于保证分类准确性仍然至关重要。 专家在视觉检查时需要面对整体过程和单条光谱检查两个方面的挑战。专家可能会连续遇到不同类别的光谱，因此不得不频繁地切换认知焦点，导致完成分类所需的时间和认知资源大大增加。另一方面，在检查单条光谱时，专家需要根据光谱的整体形状识别相关谱线。另一方面，如果要检查光谱由两种自动方法确定的类型相同，那么该条光谱被正确分类的可能性较大。反之，它的分类可能存在错误，需要仔细检查。红移和重要谱线的选择主要通过右侧视图完成。专家一方面可以在光谱中刷选几个显著的特征，系统会自动识别其中的谱线和对应的红移。另一方面，系统展示不同红移下所有谱线的整体重要性。整体重要性较高的红移可能对应真实红移。
-
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。
-
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。
-
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。
-
射电望远镜采集脉冲星数据时，人类通信技术(卫星、移动基站或导航雷达)引起的射电频率干扰(RFI)对于多通道脉冲星时频信号的形状有较大破坏性，常规的消干扰方法使得信号在后续天文研究中灵敏度降低，影响分析精度 ...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。
-
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 ...
-
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。
-
各工作组最新任命名单 知识发现兴趣组（Knowledge Discovery Interest Group）旨在把VO与KDD（ML、AI）领域联系起来，关注的方面包括可视化、远程数据探索、机器学习技术、统计方法 ...、工作流程编排和多态数据访问等，具体工作包括：定义机器学习相关的新的数据保存和交换模式；为VO服务增加或完善机器学习能力；协调和统一对数据可视化功能的访问；参与有关科学发现工作流程的讨论等。研究方向是交互式信息检索，现为国家天文台天文信息技术（中国虚拟天文台）研究团组成员，主要研究兴趣是机器学习在天文数据挖掘和知识发现中的应用，承担了国家自然科学青年基金《基于深度学习等机器学习算法的星系光谱自动分类方法研究 ...
-
近期，太原科技大学屈彩霞、杨海峰、蔡江辉等人利用LAMOST光谱数据开展了双峰轮廓识别与质量评估方法的研究，提出了一套针对LAMOST光谱数据特征的稀有特征提取、特征表征、特征识别及质量评估的技术框架。这些复杂多样的特征极大地增加了从海量数据中搜寻双峰发射线轮廓光谱的难度，因此目前主要的方法仍然依赖于繁重的人眼检查。该技术框架在保证完备性的前提下，可以实现50%以上的双峰轮廓自动化识别，大幅减少了人眼检查工作；随着光谱数据量的增长，该技术框架具有比传统模板匹配方法更快的自动搜寻速度，同时可以为物理分析提供统计学依据 ...
-
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。
-
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 ...