Radio Galaxy Zoo: Unsupervised Clustering of Convolutionally Auto-encoded Radio-astronomical Images
Western Sydney University(西悉尼大学);CSIRO Astronomy and Space Science(CSIRO天文与空间科学部);The Australian National University(澳大利亚国立大学);Data61, CSIRO(CSIRO Data61);Universidad de Guanajuato(瓜纳华托大学);University of Oxford(牛津大学);University of Minnesota(明尼苏达大学)
本文提出了一种新的和有效的无监督聚类方法与自组织映射(SOM)和卷积自动编码器相结合。射电天文数据量的快速增长增加了对机器学习方法作为分类和异常值检测解决方案的需求。重大的天文发现是计划外的,并且是在意想不到的情况下发现的,这使得无监督机器学习非常可取,因为它在没有假设和标记训练数据的情况下运行。我们的方法表明SOM训练时间大大减少,并且可以通过自动编码的特征向量而不是原始图像进行训练来聚类高级特征。我们的研究结果表明,该方法是能够准确地分离孤立的SOM与邻域相似性和K-均值聚类的射电天文特征的复杂性。我们提出了这种方法作为一个强大的新方法,数据探索提供了一个详细的了解的形态和关系的无线电银河动物园(RGZ)数据集图像特征,可以应用到新的无线电测量数据。
2019-06-07 astro-ph.IM cs.LG
An empirical comparison of primary baffle and vanes for optical astronomical telescope
在光学天文望远镜中,主反射镜是一种以主镜孔为中心的管状结构,叶片通常位于主反射镜内,以提高对杂散光的抑制。它们是最常见的杂散光控制方法。为了表征主挡板和主叶片的性能,利用兴隆50厘米望远镜进行了天文观测的经验比较。考虑到切换的方便性,设计了独立叶片结构,改善了主镜的冷却和空气循环过程。两种情况的比较:(1)主挡板加翼片和(2)单独的翼片,包括在圆顶和天空的观测。文中给出了单个恒星和各种离轴角杂散光源的观测结果。用CCD记录测光图像,分析了系统的大小和测光误差。图像背景的杂散光均匀性是通过利用MATLAB软件对图像进行去星处理后得到的。实验结果表明,一次流折流板和独立导叶结构是有效的。同时,天空光度数据表明它们之间的差异很小。当星月夹角大于20度时,杂散光均匀性没有差别。
2021-12-17 astro-ph.IM
Bad pixel modified interpolation for astronomical images
提出了一种新的插值方法,用于天文图像像素亮度估计。我们的新方法简单易行。我们显示了这种方法与广泛使用的线性插值和其他插值算法的比较,使用从斯隆数字巡天获得的1000幅天文图像。比较表明,我们的方法提高了坏像素的亮度估计,平均误差比目前最流行的线性插值低四倍,并具有更好的性能比任何其他检查方法。所提出的思想是灵活的,也可以应用到目前使用的和未来的插值方法。所提出的方法是特别有用的大巡天图像的减少,但也可以适用于单一的图像校正。
2013-10-02 astro-ph.IM
The carbon footprint of astronomical observatories
本文评估天文观测台及天文研究的碳足迹与减排途径,指出需通过研究活动的系统性变革实现1.5°C或2°C气候目标。
2024-09-06 astro-ph.IM
Gnuastro: removing extended/diffuse outliers while coadding
Centro de Estudios de Física del Cosmos de Aragón (CEFCA)(阿拉贡宇宙物理研究中心);Institute of Space Sciences (ICE, CSIC)(空间科学研究所);Institut d´Estudis Espacials de Catalunya (IEEC)(加泰罗尼亚空间研究学院)
针对深空图像叠加时弥散伪影残留问题,Gnuastro 0.23 引入新运算符,利用所有曝光识别并掩蔽异常像素,提升图像质量。
2026-09-15 astro-ph.IM
Implementation of robust image artifact removal in SWarp through clipped mean stacking
我们实现了一个算法,用于检测和消除文物天文图像的离群拒绝在堆叠过程中。我们的方法是能够解决两个小的,非常重要的文物,如宇宙射线,并通过应用过滤技术来生成单帧掩模,较大的面积,但较低的表面亮度功能,如二次(鬼)图像的明亮的恒星。与构建中值叠加的常用方法相反,只要单帧PSF是适度均匀的,则剪切或离群滤波的平均叠加点扩散函数(PSF)是单帧PSF的线性组合,这是对于弱透镜形状测量或模型拟合光度测量非常重要的性质。此外,它具有优越的噪声特性,与中值叠加相比,可以显著减少曝光时间。我们公开了一个修改版本的SWarp,它实现了裁剪均值堆叠和软件,可以从离群像素列表中生成单帧掩码。
2014-01-16 astro-ph.IM
Astronomical Receiver Modelling Using Scattering Matrices
天文接收器的正确建模至关重要:它描述了原始数据中的系统误差,指导接收器设计过程,并协助数据校准。在本文中,我们描述了一种方法的分析建模的任意复杂的无线电接收机的完整的信号和噪声行为。我们使用电散射矩阵来描述接收器中各个组件的信号行为,并使用噪声相关矩阵来描述它们的噪声行为。这些被组合以产生完整的接收器模型。我们将这种方法应用到一个特定的接收机架构:一个连续比较辐射计和相关偏振计的C波段全天巡天设计的混合。我们产生的接收器米勒矩阵和噪声温度的分析描述,并讨论如何在关键组件的缺陷影响的原始数据。其中许多结论对相关偏振计和连续比较辐射计具有普遍适用性。
2014-10-20 astro-ph.IM
Validation of observations obtained with a liquid mirror telescope by comparison with Sloan Digital Sky Survey observations
利用美国航天局轨道碎片观测站(NODO)3米直径液体镜望远镜(LMT)获得的极低分辨率光谱搜索特殊天体的结果与斯隆数字巡天(SDSS)获得的光谱结果进行了比较。这种比较的主要目的是验证使用这种新型望远镜进行的观测是否可靠。这种比较是重要的,因为LMT是一种新型的廉价望远镜,对于天文调查非常有用,特别是在时域的调查,并且通过与经典望远镜的数据进行比较,验证LMT获得的数据将验证其可靠性。我们从一份已发表的数据分析开始,该分析将NODO液体镜望远镜观测到的18,000个天体中只有206个归类为特殊天体。在这206个天体中,共有29个在SDSS中发现。NODO数据的可靠性可以从详细分析的结果中看出,实际上,18,000个光谱中只有不到0.3%被错误地识别为特殊天体,最有可能的原因是它们是变星。我们的结论是,液体镜望远镜给出了可靠的观测结果,与使用玻璃镜的望远镜所获得的观测结果相当。
2015-04-16 astro-ph.IM
Filters for NIR astronomical photometry: comparison of commercial IRWG filters and designs using OpenFilters
本研究针对近红外测光受大气影响的问题,探索了 IRWG 滤光片组与 InGaAs 探测器的结合,比较了商用滤光片,并利用 OpenFilters 设计了更精确的测光及窄带滤光片,为中小型望远镜长期观测提供机会。
2025-06-27 astro-ph.IM
Detecting Variability in Massive Astronomical Time-Series Data I: application of an infinite Gaussian mixture model
我们提出了一个新的框架来检测各种类型的可变对象在大量的天文时间序列数据。假设占主导地位的人口的对象是不变的,我们发现从这个人口的离群值,通过使用非参数贝叶斯聚类算法的基础上的无限高斯混合模型(GMM)和狄利克雷过程。该算法从给定的数据集中提取信息,该数据集由六个变异性指数描述。GMM使用这些变异性指数来恢复由六维多变量高斯分布描述的聚类,使我们的方法能够考虑时间序列数据的采样模式、系统偏差、每个光变曲线的数据点数量和光度质量。使用北方天空变率调查数据,我们测试我们的方法,并证明了无限GMM是有用的检测变量对象,同时提供统计推断估计,抑制错误检测。所提出的方法将是有效的探索未来的调查,如GAIA,泛星,和LSST,这将产生大量的时间序列数据。
2009-08-19 astro-ph.IM astro-ph.SR
Data mining techniques on astronomical spectra data. I : Clustering Analysis
聚类分析是天文光谱分析的一种有效工具,可以挖掘数据之间的聚类模式。随着大规模巡天的实施,许多聚类方法被应用于有效和自动地处理光谱和光度数据。同时,聚类方法在不同数据特征下的性能差异很大。本文分三部分对天文光谱数据的聚类方法进行了综述,旨在总结天文光谱聚类算法,为进一步研究奠定基础。首先,对天文光谱的聚类方法进行了理论研究和分析,从算法思想、应用和特点等方面进行了阐述。其次,实验进行了统一的数据集构造使用三个标准(光谱数据类型,光谱质量,数据量),比较典型的算法的性能;光谱数据来自大天区多目标光纤光谱望远镜(LAMOST)调查和斯隆数字巡天(SDSS)。最后在GitHub上提供了比较聚类算法的源代码和使用及改进手册。
2022-12-16 astro-ph.IM
A Comparison Between Lucky Imaging and Speckle Stabilization for Astronomical Imaging
散斑稳定新技术在提供地面最高角分辨率的光学成像数据方面具有很大的潜力。虽然散斑稳定最初被设想用于积分场光谱分析,但该技术与散斑成像(特别是移位和添加和幸运成像)有许多相似之处。因此,对于成像应用,值得比较两者。我们模拟了2.5米级望远镜的观测,以评估这两种技术的优点和缺点。虽然差异相对较小,但我们发现散斑稳定是当前Lucky成像系统的可行竞争对手。具体来说,我们发现,斑点稳定是3.35倍更有效(其中效率被定义为每个观察间隔的信号噪声比)比移位和添加,并能够检测目标1.42级时,使用标准系统。如果我们使用高速快门与Lucky Imaging在1%图像选择下进行比较,则斑点稳定的效率高出1.28倍,灵敏度高出0.31个数量级。然而,当我们将潜在的修改纳入Lucky Imaging系统时,我们发现在1%的帧选择情况下,优势显着减轻甚至逆转。特别地,我们发现在最佳幸运成像的限制情况下,即零读取噪声{ \it and}光子计数,我们发现幸运成像比散斑稳定更有效1.80倍,更灵敏0.96个量级。对于介于两者之间的情况下,我们发现有一个梯度的优势,不同的技术取决于目标的大小,所使用的帧的分数和系统的修改。
2010-12-06 astro-ph.IM
Towards a robust estimation of orientation parameters between ICRF and $Gaia$ celestial reference frames
分析VLBI ICRF星表和$Gaia$ -CRF星表的源位置差异是评估二者系统误差和确定相互定向的关键步骤。限制两帧之间的取向参数的确定的准确性的主要因素之一是离群值的影响。为了减轻这种影响,提出了一种新的方法的基础上,像素化的数据在等面积的细胞,其次是中值滤波的数据在每个单元格。在此之后,形成一个新的数据集,由几乎均匀分布在球体上的数据点组成。然后将矢量球谐函数(VSH)分解应用于该数据以最终计算ICRF和$Gaia$帧之间的取向参数。为了验证所提出的方法,ICRF 3-SX和$Gaia$ ~ DR 2目录的比较使用几种方法去除离群值。这项工作的结果表明,该方法实际上是不敏感的离群值,从而提供了更强大的目录比较结果比迄今为止使用的方法。通过对$Gaia$ ~ DR 2和OCARS星表的模拟试验比较,证实了这一结论。
2021-07-19 astro-ph.IM
A method of complex background estimation in astronomical images
在本文中,我们提出了一种新的方法来估计强变化的背景在天文图像中的小物体去除和随后的丢失像素插值。该方法基于像素局部邻域的分析,并利用形态学距离变换。与流行的背景估计技术相比,我们的算法可以准确提取复杂的结构,如星系或星云。此外,它不需要多个调谐参数,因为它依赖于CCD图像传感器的物理特性-增益和读出噪声特性。与其他广泛使用的背景估计的比较表明,所提出的技术更高的精度。对于最具挑战性的波动背景,新方法的优越性尤其显着。滤出的物体的大小是可调的,因此该算法可以消除大范围的前景结构,包括暗电流脉冲、宇宙射线或甚至深场图像中的整个星系。
2016-08-09 astro-ph.IM
Simulation and Fitting of Multi-Dimensional X-ray Data
天文数据通常由2个或更多个高分辨率轴组成,例如,X、Y在天空中的位置或波长和沿一轴的位置(长缝光谱仪)。分析这些多维观测需要结合三维源模型(包括速度效应),仪器模型,多维数据比较和拟合。这里使用Chandra成像和分散的HETG光栅数据呈现了这样的"超越XSPEC"(Noble & Nowak,2008)系统的原型。使用的技术包括:蒙特卡罗事件生成、卡方比较、适合蒙特卡罗特征的共轭梯度拟合以及每一步的信息可视化。这些简单的婴儿级进展只是触及了当今可用于天文分析的计算潜力的表面。
2009-02-10 astro-ph.IM
Automated Identification of the Tip of the Red Giant Branch in Globular Clusters with Gaia Data
Beijing Academy of Science and Technology(北京科学院);Beijing Normal University(北京师范大学);Tsinghua University(清华大学)
本研究提出利用Gaia数据自动识别球状星团红巨星分支末端的方法,通过算法提高识别效率并提供新的天文数据分析工具开发见解。
2026-02-26 astro-ph.GA astro-ph.IM astro-ph.SR
Anomaly Detection in the Open Supernova Catalog
在接下来的十年里,大型天文调查将发现数百万个瞬变现象,这在这个过程中提出了前所未有的数据挑战。只有使用机器学习算法才能处理如此大的数据量。大多数被发现的瞬变现象都属于已知的天体类别。然而,预计一些瞬变将是罕见的或完全新的未知物理性质的事件。找到它们的任务可以被定义为异常检测问题。在这项工作中,我们第一次在开放式超新星目录(OSC)的光度数据中进行自动异常检测分析,这是这些方法对未来大规模调查的适用性的概念证明。该分析包括以下步骤:1)从OSC中选择数据并使用高斯过程近似预处理的数据,2)降维,3)使用隔离森林算法搜索离群值,4)对识别出的离群值进行专家分析。管道返回了81个候选异常,其中27个(33%)被证实来自天体物理学上的特殊物体。发现的异常对应于约2000个对象的初始自动识别数据样本的1.4%的选定样本。在确定的异常值中,我们识别出超亮超新星,非经典Ia型超新星,不寻常的II型超新星,一个活动星系核和一个二元微透镜事件。我们还发现,在文献中被归类为超新星的16个异常可能是类星体或恒星。我们提出的管道代表了一种有效的战略,以保证我们不会忽视隐藏在我们努力获得的数据中的令人兴奋的新科学。本次调查的所有代码和产品都是公开的。
2019-08-22 astro-ph.HE astro-ph.IM
Detecting Variability in Massive Astronomical Time-Series Data II: Variable Candidates in the Northern Sky Variability Survey
我们目前的变化分析的数据从北方天空变率调查(NSVS)。使用聚类方法,它定义变量候选人从大集群离群值,我们集群16,189,040光曲线,数据点在超过15个时代,在638 NSVS领域的变量和非变量候选人。候选变量的选择取决于它们与最大聚类的分离程度以及它们在由可变性指数跨越的八维空间中被分组在一起的程度。所有NSVS的光变曲线也与红外天文卫星、AKARI、2微米全天巡天、斯隆数字巡天(SDSS)和银河演化探测器(Galaxy Evolution Explorer)天体以及SIMBAD数据库中的已知天体交叉相关。变异性分析和互相关结果在一个公共在线数据库中提供,该数据库可用于选择感兴趣的对象进行进一步调查。采用保守的选择标准的变量候选人,我们发现约180万光变曲线作为可能的变量候选人在NSVS数据,相当于我们的整个NSVS样本的10%左右。多波长的颜色帮助我们在变量候选者中找到特定类型的可变性。此外,我们还使用形态分类从其他调查,如SDSS,以抑制虚假的情况下所造成的混合对象或扩展源由于低角分辨率的NSVS。
2012-01-01 astro-ph.IM astro-ph.SR
The Virtual Astronomical Observatory: Re-engineering Access to Astronomical Data
美国虚拟天文台是一个软件基础设施和开发项目,旨在开始建立一个可操作的虚拟天文台(VO),并为美国提供与国际VO工作的协调。VO的概念是提供一种方法,使天文学家能够无缝地发现,访问和处理数据,而不管其物理位置如何。本文介绍了VAO的起源,包括美国国家虚拟天文台的前身工作,并总结了其主要成就。这些成就包括两个脚本工具包的开发,使科学家将VO数据直接纳入他们的减少和分析环境和高层次的科学应用程序的数据发现,集成,分析和目录交叉比较。通过与国际社会合作,并根据软件开发的经验,虚拟天文台是国际虚拟天文台联盟内国际标准的主要贡献者。虚拟天文台还演示了如何部署一个运行中的虚拟天文台,提供一个强大的运行环境,定期检查世界各地的虚拟天文台服务的有效性和是否符合国际标准。最后,VAO参与了社区外展,开发了一个综合网站,提供在线教程、公告、美国和国际开发的工具和服务的链接,以及展览和实践培训。VAO项目的所有数字产品,包括软件、文档和教程,都存储在一个存储库中,供社区访问。VAO的持久遗产是人们越来越期望新的望远镜和设施在设计其数据管理系统时纳入VO功能。
2015-04-08 astro-ph.IM
The Software Package for Astronomical Reductions with KMOS: SPARK
KMOS是一个多目标近红外积分场光谱仪,有24个可展开的低温拾取臂。不可避免的是,数据处理是一项复杂的任务,需要仔细的校准和质量控制。在本文中,我们描述了从原始观测中产生科学质量数据产品所涉及的所有步骤。特别是,我们专注于以下问题:(i)的校准计划,产生的空间和光谱位置的所有照明像素的探测器上的地图;(ii)我们的概念,最小化的插值的数量,限制的情况下,一个单一的重建,同时使用原始数据从多个曝光;(iii)各种插值方法的比较,并评估真正的三维插值方案的性能;(iv)仪器弯曲测量和补偿的方式。最后,我们将展示一些使用管道处理数据的示例。
2013-08-30 astro-ph.IM
Weighted skewness and kurtosis unbiased by sample size
中心矩和累积量常被用来描述数据的分布。偏度和峰度对于异常值的检测、偏离正态分布数据的评估、自动分类技术和其他应用特别有用。高阶矩的稳健定义更稳定,但可能会错过数据的特征,例如在具有罕见事件(如恒星爆发或双星系统的日食)的天文时间序列的情况下。加权可以帮助从不确定或虚假的离群值中识别可靠的测量值,因此在独立数据的假设下提供了加权偏度和峰度矩和累积量的无偏估计值,并对样本量偏差进行了校正。有偏和无偏加权估计的比较说明模拟作为样本大小的函数,采用不同的数据分布和加权方案。
2013-04-28 astro-ph.IM physics.data-an
Regression for Astronomical Data with Realistic Distributions, Errors and Non-linearity
本文提出基于最大似然和KS检验的回归方法,利用归一化流模型估计变量内在分布与不确定度相关性,在天文数据中显著优于现有方法且具强鲁棒性。
2025-06-26 astro-ph.GA astro-ph.IM
An astronomical image content-based recommendation system using combined deep learning models in a fully unsupervised mode
我们开发了一种方法,将大型天文图像映射到二维地图上并将其聚类。各种最先进的机器学习(ML)算法的组合用于开发一个完全无监督的图像质量评估和聚类系统。我们的流水线包括一个数据预处理步骤,其中在大型天文图像中识别单个图像对象并将其转换为较小的像素图像。然后,这些数据被馈送到与自组织映射(SOM)联合训练的深度卷积自动编码器。这部分可以作为推荐系统使用。最终使用第二个深度SOM将结果输出映射到二维网格上。我们使用从地面望远镜获取的数据,并作为案例研究,将该系统的能力和性能与Teimoorinia等人(2020)提出的监督方法获得的结果进行比较。该数据中目标标签的可用性允许我们在无监督和监督方法之间进行全面的性能比较。除了在这个项目中进行的图像质量评估,我们的方法可以有各种其他应用。例如,它可以帮助专家在相当短的时间内标记图像,并且人工干预最少。它还可以用作基于内容的推荐系统,能够根据所需内容过滤图像。
2021-02-27 astro-ph.IM
Colloquium: Comparison of Astrophysical and Terrestrial Frequency Standards
我们已经重新分析了脉冲到达时间的稳定性从恒星和白矮星使用几种分析工具测量采样的时间和频率数据的噪声特性。我们表明,最好的地面人工时钟大大超过天文源的性能作为计时员的准确性(定义的铯主频率标准)和稳定性。这种稳定性的优越性可以在长达两年的时间内直接证明,其中两者都有高质量的数据。超过2年,时钟/时钟比较的数据不足,地球和天文时钟显示出同样的性能,同样受到用于进行比较的参考时标质量的限制。尽管如此,我们表明,现代地球时钟的详细准确性评估意味着这些新的时钟可能有一个稳定性比任何天文源高达至少数百年的比较时间。这篇文章的目的是提供一个正确的评价的相对优点的自然和人工时钟。在最极端的条件下使用自然钟作为物理学的测试是完全合适的;然而,这些自然钟,特别是白矮星,可以作为计时器与人类建造的设备竞争的论点是值得怀疑的。
2010-11-16 astro-ph.HE astro-ph.IM
Simulation of Astronomical Images from Optical Survey Telescopes using a Comprehensive Photon Monte Carlo Approach
我们提出了一个全面的方法,从光学测量望远镜的天文图像的模拟。我们使用光子蒙特卡罗方法通过从天文源种群模型中采样光子来构建图像,然后通过系统模拟这些光子,因为它们与大气,望远镜和相机相互作用。我们证明,所有的物理效应,确定的形状,位置和亮度的单个恒星和星系的可见光,可以准确地表示在这种形式主义。通过使用大规模网格计算,现代处理器,和一个高效的实现,可以产生40万光子/秒,我们证明,即使是非常大的光学调查,现在可以模拟。我们证明,我们能够:1)构建公里级相位屏幕所需的宽视场望远镜,2)重现大气点扩散函数的时刻,使用一种快速的新的混合几何/傅立叶技术的非衍射限制望远镜,3)准确地重现复杂的非球面光学设计的预期点图,和4)恢复系统的有效面积预测从分析光度积分。这个新的代码,光子模拟器(PhoSim),是公开的。我们已经实现了大型综合巡天望远镜(LSST)的设计,它可以扩展到其他望远镜。我们预计,由于PhoSim中实现了全面的物理学,它将被社区用于规划未来的观测,解释详细的现有观测,并量化与各种天文测量相关的系统学。通过与真实数据的比较,未来的开发和验证将继续提高代码的保真度和可用性。
2015-04-24 astro-ph.IM
Study of the atmospheric conditions at Cerro Armazones using astronomical data
目的:我们研究了Cerro Armazones附近的可降水量(PWV)的含量,并讨论了我们的技术建模的其他分子层的调查的大地吸收线的潜在用途。该站点被指定为欧洲极大望远镜(E-ELT)和附近的切伦科夫望远镜阵列(CTA)计划站点。研究方法:利用逐线辐射转移模型(LBLRTM)和大地吸收校正工具molecfit对波鸿Echelle光谱观测仪(BESO)的光谱数据进行了研究。对2008年12月至2014年底期间档案中的所有观察结果进行了调查。该数据集完全涵盖了2009-2010年期间记录的厄尔尼诺事件。3D全球数据同化系统(GDAS)的模型用于进一步比较。此外,对于那些天的数据,从一个类似的研究与VLT/X-射手和微波辐射计LHATPRO数据在Cerro Paranal的重合,直接比较。结果如下:该分析表明,即使在考虑到相对于Cerro Paranal而言,使用无线电探空仪发现的平均大气层,由于场地海拔较高,预计PWV会降低,该场地的PWV值也有系统地降低。我们发现GDAS数据并不是预测当地大气条件的合适方法--它们通常系统性地高估了PWV值。由于样本量大,我们还能够描述该地点在天空中的对称性以及随年份和季节的变化。这种研究大气条件的技术被证明是一个有前途的一步,可能成为CTA的监测设备。
2016-01-31 astro-ph.IM
Geometry-Independent Determination of Radial Density Distributions in Molecular Cloud Cores and Other Astronomical Objects
我们提出了一个几何无关的方法来确定的形状的径向体积密度轮廓的天文物体的几何形状是未知的,基于一个单一的列密度图。这样的剖面图对于理解分子云核心的物理和化学至关重要,恒星形成发生在分子云核心中。这里提出的方法不假设任何几何形状的对象正在研究,从而消除了显着的偏差源。相反,它利用了列密度图中的轮廓自相似性,这在天文物体的数据中似乎很常见。我们的方法可以适用于许多类型的天体和可观测量,只要它们满足我们详细描述的一组有限的条件。我们推导出的方法解析,测试它的数值,并说明其效用使用2MASS派生的尘埃消光分子云核。虽然没有作出广泛的比较不同的密度分布,我们发现,分子云核心内的整体径向密度分布是充分描述的衰减幂律。
2016-02-24 astro-ph.GA astro-ph.IM
Astronomical Image Denoising Using Dictionary Learning
天文图像经常存在多种缺陷,这些缺陷是采集设备的固有特性和大气条件的结果。天文成像中最常见的缺陷之一是存在加性噪声,这使得在处理数据之前必须进行去噪步骤。在过去的十年中,一个特定的建模方案,基于稀疏表示,引起了越来越多的研究人员的关注。稀疏表示为许多图像和信号处理任务提供了一个有前途的框架,特别是去噪和恢复应用。首先,谐波,小波,相似基和过完备表示已被视为候选域寻求稀疏表示。基于数据驱动字典的新一代算法发展迅速,现在与现成的固定字典竞争。虽然预先设计字典依赖于对最合适的代表性基本形式和函数的猜测,但字典学习框架提供了基于数据本身构建字典,这为我们提供了更灵活的稀疏建模设置,并允许构建更复杂的字典。本文介绍了中心字典学习(CDL)方法,并研究了它在天文图像去噪中的性能。我们展示了CDL如何在天文图像上优于小波或经典字典学习去噪技术,并且我们比较了这些不同算法对去噪图像的测光效果。
2013-04-12 astro-ph.IM cs.CV
Starkindler: An Uncertainty Aware Objective for Photometric Redshift Estimation
Phaidra;Advanced Micro Devices (AMD)(超威半导体(AMD))
Starkindler通过引入考虑观测误差的目标函数,提升光谱红移估计的准确性与可解释性,有效降低预测异常率。
2025-12-27 astro-ph.GA astro-ph.IM
Vizic: A Jupyter-based Interactive Visualization Tool for Astronomical Catalogs
观测天文学中不断增长的数据集在许多方面对科学家提出了挑战,包括有效和交互式的数据探索和可视化。为了应对这一挑战,已经开发了许多工具。然而,它们通常专注于显示实际图像或专注于以预定义的方式可视化目录中的模式。在本文中,我们介绍了Vizic,一个Python可视化库,通过天空区域的交互式地图建立图像和目录之间的连接。Vizic使用目录中每个对象的形状、大小和方向在自定义背景画布上可视化目录数据。与图像中的对象相比,地图中显示的对象具有高度的交互性和可定制性。这些天体可以通过它们的性质(如红移和星等)进行过滤或着色。它们也可以使用类似套索的工具进行子选择,以便使用标准Python函数从一个Python笔记本中进行进一步分析。此外,Vizic允许自定义覆盖动态地附加在天空地图的顶部。我们已经初步实现了几个覆盖,即Voronoi,Delaunay,最小生成树和HEALPix网格层,这是有助于可视化的大尺度结构。所有这些覆盖都可以通过一行代码交互式地生成、添加或删除。目录数据存储在一个非关系数据库中,界面是用JavaScript和Python开发的,可以在Quixyter Notebook中工作,它允许创建自定义小部件,用户生成脚本来分析和绘制交互式地图中选择/显示的数据。这种独特的设计使Vizic成为一个非常强大和灵活的交互式分析工具。Vizic可以用于各种练习,例如数据检查,聚类分析,星系…
2017-05-06 astro-ph.CO astro-ph.IM
Astronomical Surveys and Big Data
本文综述了近年来全天空和大区域天文巡天及其从γ射线到射电的整个电磁波谱范围的星表数据,如γ射线的Fermi-GLAST和INTEGRAL,X射线的ROSAT、XMM和Chandra,紫外的GALEX,SDSS和几个POSS I和II星表(APM,MAPS,USNO,GSC)在光学范围内,2 MASS在近红外,WISE和AKARI IRC在和平号,IRAS和AKARI FIS在远红外,NVSS和FIRST在无线电和许多其他,以及最重要的调查提供光学图像(DSS I和II,SDSS等),自行(Tycho,USNO,Gaia),可变性(GCVS,NSVS,ASAS,Catalina,Pan-STARRS)和光谱数据(FBS,SBS,Case,HQS,HES,SDSS,CALIFA,GAMA)。全面了解整个波长范围的覆盖范围和各种调查之间的比较:星系红移调查,类星体/活动星系核,无线电,银河系结构,和暗能量调查。天文学已经进入大数据时代。天体物理虚拟天文台和计算天体物理在使用和分析大数据以获得新发现方面发挥着重要作用。
2015-11-23 astro-ph.GA astro-ph.IM
Evaluation of Provenance Serialisations for Astronomical Provenance
本文比较了天文溯源数据的 turtle 与 JSON 序列化格式在存储和查询效率上的表现,发现 turtle 更适合存储和小型简单查询,而 JSON 在复杂查询上更高效。
2024-07-19 astro-ph.IM cs.DB
Detection and Removal of Artifacts in Astronomical Images
光学光度测量的天文图像通常会受到瞬态伪影的污染,如宇宙射线、卫星尾迹和散射光。我们已经开发并测试了一种算法,该算法使用通过点扩散函数(PSF)均质化、重叠单历元图像的中值组合建立的深、无伪影、静态天空coadd图像来去除这些伪影。通过与无伪影、PSF匹配的模拟图像进行比较,在每个单历元图像中检测和掩蔽瞬态伪影,该模拟图像是使用来自无伪影共加图像的PSF校正的模型拟合目录以及单历元图像的位置变量PSF模型构建的。这种方法不仅适用于清洁比PSF均匀化coadd更差的单历元图像,而且适用于清洁具有更好视觉效果的单历元图像的传统上更具挑战性的问题。除了掩蔽瞬态伪影之外,我们还开发了一种插值方法,该方法使用局部PSF,并且在去除宽度小于PSF半峰全宽的伪影方面表现良好,包括宇宙射线、饱和恒星的峰值和出血痕迹。我们已经测试了这个算法的暗能量调查科学验证数据和目前的性能指标。更一般地说,我们的算法可以应用于多次对天空的同一部分进行成像的任何调查。
2016-04-16 astro-ph.IM physics.data-an
Systematic Serendipity: A Test of Unsupervised Machine Learning as a Method for Anomaly Detection
天文学的进步往往是由偶然的发现推动的。随着巡天天文学的不断发展,天文数据库的规模和复杂性将增加,天文学家手动搜索数据并进行此类发现的能力将下降。在这项工作中,我们引入了一种基于机器学习的方法来识别大型数据集中的异常,以促进此类发现,并将这种方法应用于NASA开普勒任务的长节奏光曲线。我们的方法基于密度对数据进行聚类,将异常识别为位于密集区域之外的数据。这项工作作为一个概念验证的案例研究,我们测试我们的方法的四个季度的开普勒长节奏光变曲线。我们使用开普勒的最臭名昭著的异常,Boyajian的明星(KIC 8462852),作为一个罕见的“地面真相”测试离群识别,以验证真正的科学兴趣的对象包括在所确定的异常。我们评估该方法的能力,以确定已知的异常,通过识别不寻常的行为在Boyajian的明星,我们报告的完整列表中确定的异常,这些季度,并提出了一个样本子集的确定的离群值,包括不寻常的现象,对象是罕见的开普勒领域,和数据文物。通过将每个季度<4%的数据识别为离群数据,我们证明了这种异常检测方法可以创建一种更有针对性的方法来寻找罕见和新颖的现象。
2018-12-18 astro-ph.IM astro-ph.SR
Self-Driving Telescopes: Autonomous Scheduling of Astronomical Observation Campaigns with Offline Reinforcement Learning
University of Pisa(比萨大学);Fermi National Accelerator Laboratory(费米国家加速器实验室);Kavli Institute for Cosmological Physics(卡夫利宇宙物理研究所);University of Chicago(芝加哥大学);Space Telescope Science Institute(太空望远镜科学研究所)
本文提出用离线强化学习中的深度Q网络(DQN)解决天文观测多目标调度难题,并通过多项改进在Stone Edge Observatory模拟数据上达到最大奖励的87%±6%,同时发布了首个开源评估框架。
2023-11-29 astro-ph.CO astro-ph.IM cs.AI
Analyzing Astronomical Data with Machine Learning Techniques
分类是机器学习(ML)和人工智能(AI)领域的一项热门任务,当输出是分类变量时就会发生。有各种各样的模型试图从观察值中得出一些结论,因此分类算法预测类别标签并将其用于分类新数据。流行的分类模型,包括逻辑回归,决策树,随机森林,支持向量机(SVM),多层感知器,朴素贝叶斯和神经网络已被证明是有效和准确的应用于许多工业和科学问题。特别是,ML在天文学中的应用已经证明对于分类、聚类和数据清理非常有用。这是因为在学习计算机之后,这些任务可以由它们以比人类操作员更精确和更快速的方式自动完成。有鉴于此,本文将对其中一些流行的分类算法进行综述,并将其中一些算法应用于SDSS巡天的定变星和天琴座RR变星的观测数据。为了比较,我们计算了应用模型的准确性和F1得分。
2023-02-22 astro-ph.IM astro-ph.SR physics.comp-ph