“第四十六章 给天文望远镜体检”版本间的差异
来自cslt Wiki
| 第19行： | 第19行： | ||
==视频展示== | ==视频展示== | ||
| + | |||
| + | * CCTV-9 纪录片《天眼》 [https://www.bilibili.com/video/BV1oy4y1r71Z?spm_id_from=333.337.search-card.all.click] | ||
| + | * 哈伯望远镜传回的照片 [https://www.bilibili.com/video/BV18b411u7re?spm_id_from=333.337.search-card.all.click] | ||
| + | * 纪录片《哈勃望远镜》 [https://www.bilibili.com/video/BV16541197gP?spm_id_from=333.337.search-card.all.click] | ||
| + | |||
| 第25行： | 第30行： | ||
==开发者资源== | ==开发者资源== | ||
| − | |||
2022年8月23日 (二) 02:28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
演示链接
开发者资源
高级读者
- Baron D. Machine learning in astronomy: A practical overview[J]. arXiv preprint arXiv:1904.07248, 2019. [12]
- Henry W. Leung1 and Jo Bovy, Deep learning of multi-element abundances from high-resolution spectroscopic data, MNRAS, 2018. [13]
- Mesarcik et al, Deep learning assisted data inspection for radio astronomy, MNRAS, 2020. [14]
