“第四十六章 给天文望远镜体检”版本间的差异
来自cslt Wiki
第25行: | 第25行: | ||
* Classifying Galaxies with AI [http://aigraph.cslt.org/courses/46/Classifying_Galaxies.mp4] | * Classifying Galaxies with AI [http://aigraph.cslt.org/courses/46/Classifying_Galaxies.mp4] | ||
* Big data in astronomy [http://aigraph.cslt.org/courses/46/BigDatainAstronomy.mp4] | * Big data in astronomy [http://aigraph.cslt.org/courses/46/BigDatainAstronomy.mp4] | ||
− | + | * AI and space industry [http://aigraph.cslt.org/courses/46/AI-space.mp4] | |
2022年8月24日 (三) 07:13的版本
教学资料
扩展阅读
- AI100问:机器学习如何帮助天文学家检测望远镜问题?[2]
- 最强大射电望远镜亮相由66座天线构成 [3]
- 新华社:中国天眼”——500米口径球面射电望远镜(FAST) [4]
- 大国重器“中国天眼” [5]
- 这只“中国天眼”:看透百亿光年 洞悉星辰大海[6]
- 维基百科:中国天眼 [7]
- At 13 Billion Light-Years Away, Galaxy Is Farthest To Be Measured From Earth [8]
视频展示
- CCTV-9 纪录片《天眼》 [9]
- 哈伯望远镜传回的照片 [10]
- 纪录片《哈勃望远镜》 [11]
- Classifying Galaxies with AI [12]
- Big data in astronomy [13]
- AI and space industry [14]
演示链接
开发者资源
- Source code for checking astronomy data [15]
高级读者
- Baron D. Machine learning in astronomy: A practical overview[J]. arXiv preprint arXiv:1904.07248, 2019. [16]
- Henry W. Leung1 and Jo Bovy, Deep learning of multi-element abundances from high-resolution spectroscopic data, MNRAS, 2018. [17]
- Mesarcik et al, Deep learning assisted data inspection for radio astronomy, MNRAS, 2020. [18]