“第四十六章 给天文望远镜体检”版本间的差异

来自cslt Wiki
跳转至: 导航搜索
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]