Zobrazeno 1 - 10 of 63 pro vyhledávání: '"Veneri M"'
1
Report
Euclid preparation. XLIII. Measuring detailed galaxy morphologies for Euclid with machine learning
Autor: Euclid Collaboration, Aussel, B., Kruk, S., Walmsley, M., Huertas-Company, M., Castellano, M., Conselice, C. J., Veneri, M. Delli, Sánchez, H. Domínguez, Duc, P. -A., Kuchner, U., La Marca, A., Margalef-Bentabol, B., Marleau, F. R., Stevens, G., Toba, Y., Tortora, C., Wang, L., Aghanim, N., Altieri, B., Amara, A., Andreon, S., Auricchio, N., Baldi, M., Bardelli, S., Bender, R., Bodendorf, C., Bonino, D., Branchini, E., Brescia, M., Brinchmann, J., Camera, S., Capobianco, V., Carbone, C., Carretero, J., Casas, S., Cavuoti, S., Cimatti, A., Congedo, G., Conversi, L., Copin, Y., Courbin, F., Courtois, H. M., Cropper, M., Da Silva, A., Degaudenzi, H., Di Giorgio, A. M., Dinis, J., Dubath, F., Dupac, X., Dusini, S., Farina, M., Farrens, S., Ferriol, S., Fotopoulou, S., Frailis, M., Franceschi, E., Franzetti, P., Fumana, M., Galeotta, S., Garilli, B., Gillis, B., Giocoli, C., Grazian, A., Grupp, F., Haugan, S. V. H., Holmes, W., Hook, I., Hormuth, F., Hornstrup, A., Hudelot, P., Jahnke, K., Keihänen, E., Kermiche, S., Kiessling, A., Kilbinger, M., Kubik, B., Kümmel, M., Kunz, M., Kurki-Suonio, H., Laureijs, R., Ligori, S., Lilje, P. B., Lindholm, V., Lloro, I., Maiorano, E., Mansutti, O., Marggraf, O., Markovic, K., Martinet, N., Marulli, F., Massey, R., Maurogordato, S., Medinaceli, E., Mei, S., Mellier, Y., Meneghetti, M., Merlin, E., Meylan, G., Moresco, M., Moscardini, L., Munari, E., Niemi, S. -M., Padilla, C., Paltani, S., Pasian, F., Pedersen, K., Percival, W. J., Pettorino, V., Pires, S., Polenta, G., Poncet, M., Popa, L. A., Pozzetti, L., Raison, F., Rebolo, R., Renzi, A., Rhodes, J., Riccio, G., Romelli, E., Roncarelli, M., Rossetti, E., Saglia, R., Sapone, D., Sartoris, B., Schirmer, M., Schneider, P., Secroun, A., Seidel, G., Serrano, S., Sirignano, C., Sirri, G., Stanco, L., Starck, J. -L., Tallada-Crespí, P., Taylor, A. N., Teplitz, H. I., Tereno, I., Toledo-Moreo, R., Torradeflot, F., Tutusaus, I., Valentijn, E. A., Valenziano, L., Vassallo, T., Veropalumbo, A., Wang, Y., Weller, J., Zacchei, A., Zamorani, G., Zoubian, J., Zucca, E., Biviano, A., Bolzonella, M., Boucaud, A., Bozzo, E., Burigana, C., Colodro-Conde, C., Di Ferdinando, D., Farinelli, R., Graciá-Carpio, J., Mainetti, G., Marcin, S., Mauri, N., Neissner, C., Nucita, A. A., Sakr, Z., Scottez, V., Tenti, M., Viel, M., Wiesmann, M., Akrami, Y., Allevato, V., Anselmi, S., Baccigalupi, C., Ballardini, M., Borgani, S., Borlaff, A. S., Bretonnière, H., Bruton, S., Cabanac, R., Calabro, A., Cappi, A., Carvalho, C. S., Castignani, G., Castro, T., Cañas-Herrera, G., Chambers, K. C., Coupon, J., Cucciati, O., Davini, S., De Lucia, G., Desprez, G., Di Domizio, S., Dole, H., Díaz-Sánchez, A., Vigo, J. A. Escartin, Escoffier, S., Ferrero, I., Finelli, F., Gabarra, L., Ganga, K., García-Bellido, J., Gaztanaga, E., George, K., Giacomini, F., Gozaliasl, G., Gregorio, A., Guinet, D., Hall, A., Hildebrandt, H., Munoz, A. Jimenez, Kajava, J. J. E., Kansal, V., Karagiannis, D., Kirkpatrick, C. C., Legrand, L., Loureiro, A., Macias-Perez, J., Magliocchetti, M., Maoli, R., Martinelli, M., Martins, C. J. A. P., Matthew, S., Maturi, M., Maurin, L., Metcalf, R. B., Migliaccio, M., Monaco, P., Morgante, G., Nadathur, S., Walton, Nicholas A., Peel, A., Pezzotta, A., Popa, V., Porciani, C., Potter, D., Pöntinen, M., Reimberg, P., Rocci, P. -F., Sánchez, A. G., Schneider, A., Sefusatti, E., Sereno, M., Simon, P., Mancini, A. Spurio, Stanford, S. A., Steinwagner, J., Testera, G., Tewes, M., Teyssier, R., Toft, S., Tosi, S., Troja, A., Tucci, M., Valieri, C., Valiviita, J., Vergani, D., Zinchenko, I. A.
Publikováno v: A&A 689, A274 (2024)
The Euclid mission is expected to image millions of galaxies with high resolution, providing an extensive dataset to study galaxy evolution. We investigate the application of deep learning to predict the detailed morphologies of galaxies in Euclid us
Externí odkaz: http://arxiv.org/abs/2402.10187
Zobrazit plný text záznamu
2
Report
SKA Science Data Challenge 2: analysis and results
Autor: Hartley, P., Bonaldi, A., Braun, R., Aditya, J. N. H. S., Aicardi, S., Alegre, L., Chakraborty, A., Chen, X., Choudhuri, S., Clarke, A. O., Coles, J., Collinson, J. S., Cornu, D., Darriba, L., Veneri, M. Delli, Forbrich, J., Fraga, B., Galan, A., Garrido, J., Gubanov, F., Håkansson, H., Hardcastle, M. J., Heneka, C., Herranz, D., Hess, K. M., Jagannath, M., Jaiswal, S., Jurek, R. J., Korber, D., Kitaeff, S., Kleiner, D., Lao, B., Lu, X., Mazumder, A., Moldón, J., Mondal, R., Ni, S., Önnheim, M., Parra, M., Patra, N., Peel, A., Salomé, P., Sánchez-Expósito, S., Sargent, M., Semelin, B., Serra, P., Shaw, A. K., Shen, A. X., Sjöberg, A., Smith, L., Soroka, A., Stolyarov, V., Tolley, E., Toribio, M. C., van der Hulst, J. M., Sadr, A. Vafaei, Verdes-Montenegro, L., Westmeier, T., Yu, K., Yu, L., Zhang, L., Zhang, X., Zhang, Y., Alberdi, A., Ashdown, M., Bom, C. R., Brüggen, M., Cannon, J., Chen, R., Combes, F., Conway, J., Courbin, F., Ding, J., Fourestey, G., Freundlich, J., Gao, L., Gheller, C., Guo, Q., Gustavsson, E., Jirstrand, M., Jones, M. G., Józsa, G., Kamphuis, P., Kneib, J. -P., Lindqvist, M., Liu, B., Liu, Y., Mao, Y., Marchal, A., Márquez, I., Meshcheryakov, A., Olberg, M., Oozeer, N., Pandey-Pommier, M., Pei, W., Peng, B., Sabater, J., Sorgho, A., Starck, J. L., Tasse, C., Wang, A., Wang, Y., Xi, H., Yang, X., Zhang, H., Zhang, J., Zhao, M., Zuo, S.
The Square Kilometre Array Observatory (SKAO) will explore the radio sky to new depths in order to conduct transformational science. SKAO data products made available to astronomers will be correspondingly large and complex, requiring the application
Externí odkaz: http://arxiv.org/abs/2303.07943
Zobrazit plný text záznamu
3
Report
Star Formation Rates for photometric samples of galaxies using machine learning methods
Autor: Veneri, M. Delli, Cavuoti, S., Brescia, M., Longo, G., Riccio, G.
Publikováno v: MNRAS 2019 486(1) 1377-1391
Star Formation Rates or SFRs are crucial to constrain theories of galaxy formation and evolution. SFRs are usually estimated via spectroscopic observations requiring large amounts of telescope time. We explore an alternative approach based on the pho
Externí odkaz: http://arxiv.org/abs/1902.02522
Zobrazit plný text záznamu
4
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
5
Akademický článek
SKA Science Data Challenge 2: analysis and results.
Autor: Hartley, P, Bonaldi, A, Braun, R, Aditya, J N H S, Aicardi, S, Alegre, L, Chakraborty, A, Chen, X, Choudhuri, S, Clarke, A O, Coles, J, Collinson, J S, Cornu, D, Darriba, L, Veneri, M Delli, Forbrich, J, Fraga, B, Galan, A, Garrido, J, Gubanov, F
Publikováno v: Monthly Notices of the Royal Astronomical Society; Aug2023, Vol. 523 Issue 2, p1967-1993, 27p
Zobrazit plný text záznamu
6
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
8
Stellar formation rates in galaxies using Machine Learning models
Autor: Delli Veneri, M., Cavuoti, S., Brescia, M., Giuseppe Riccio, Longo, G.
Publikováno v: Scopus-Elsevier
Global Stellar Formation Rates or SFRs are crucial to constrain theories of galaxy formation and evolution. SFR's are usually estimated via spectroscopic observations which require too much previous telescope time and therefore cannot match the needs
Externí odkaz: https://explore.openaire.eu/search/publication?articleId=doi_dedup___::cf847b06c5546cf9b033db317805f163
http://arxiv.org/abs/1805.06338
Zobrazit plný text záznamu
9
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
10
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.

Vyhledávací nástroje:

Upřesnit hledání

Omezení vyhledávání
Plný text Recenzováno Digitální knihovna AV ČR
Zdroje