Active deep learning method for the discovery of objects of interest in large spectroscopic surveys
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985815%3A_____%2F20%3A00537357" target="_blank" >RIV/67985815:_____/20:00537357 - isvavai.cz</a>
Výsledek na webu
<a href="https://doi.org/10.1051/0004-6361/201936090" target="_blank" >https://doi.org/10.1051/0004-6361/201936090</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1051/0004-6361/201936090" target="_blank" >10.1051/0004-6361/201936090</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Active deep learning method for the discovery of objects of interest in large spectroscopic surveys
Popis výsledku v původním jazyce
After several iterations, the network was able to successfully identify emission-line stars with an error smaller than 6.5%. Using the technology of the Virtual Observatory to visualise the results, we discovered 1013 spectra of 948 new candidates of emission-line objects in addition to 664 spectra of 549 objects that are listed in SIMBAD and 2644 spectra of 2291 objects identified in an earlier paper of a Chinese group led by Wen Hou. The most interesting objects with unusual spectral properties are discussed in detail.
Název v anglickém jazyce
Active deep learning method for the discovery of objects of interest in large spectroscopic surveys
Popis výsledku anglicky
After several iterations, the network was able to successfully identify emission-line stars with an error smaller than 6.5%. Using the technology of the Virtual Observatory to visualise the results, we discovered 1013 spectra of 948 new candidates of emission-line objects in addition to 664 spectra of 549 objects that are listed in SIMBAD and 2644 spectra of 2291 objects identified in an earlier paper of a Chinese group led by Wen Hou. The most interesting objects with unusual spectral properties are discussed in detail.
Klasifikace
Druh
J<sub>imp</sub> - Článek v periodiku v databázi Web of Science
CEP obor
—
OECD FORD obor
10308 - Astronomy (including astrophysics,space science)
Návaznosti výsledku
Projekt
<a href="/cs/project/LD15113" target="_blank" >LD15113: Aplikace umělé inteligence v astronomii</a><br>
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2020
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Astronomy & Astrophysics
ISSN
1432-0746
e-ISSN
—
Svazek periodika
643
Číslo periodika v rámci svazku
November
Stát vydavatele periodika
FR - Francouzská republika
Počet stran výsledku
14
Strana od-do
A122
Kód UT WoS článku
000593933900001
EID výsledku v databázi Scopus
2-s2.0-85096117424