Buchumschlag

Panel Discussion: Practical Problem Solving for Machine Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cabrera, Guillermo, Hong, Sungwook E., Nakazono, Lilianne, Parkinson, David, Ting, Yuan-Sen
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Instrumentation and Methods for Astrophysics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Statistical Machine Learning for Astronomy -- A Textbook
von: Ting, Yuan-Sen
Veröffentlicht: (2025)

Why Machine Learning Models Systematically Underestimate Extreme Values
von: Ting, Yuan-Sen
Veröffentlicht: (2024)

Why Machine Learning Models Systematically Underestimate Extreme Values II: How to Fix It with LatentNN
von: Ting, Yuan-Sen
Veröffentlicht: (2025)

Your Outie Is a Wonderful Astronomer: Macrodata Refinement of the Astro-ph ArXiv Feed at Phermon Industries
von: Ting, Yuan-Sen
Veröffentlicht: (2026)

MulGuisin, a Topological Network Finder and its Performance on Galaxy Clustering
von: Ju, Young, et al.
Veröffentlicht: (2023)

Detecting complex sources in large surveys using an apparent complexity measure
von: Parkinson, David, et al.
Veröffentlicht: (2022)

AstroInspect: a web-based system to organize, assess, and visually inspect astronomical objects
von: Cardoso, Natanael M., et al.
Veröffentlicht: (2026)

SAGUI: SED-based Segmentation of Multi-band Galaxy Images -- Application to JADES in GOODS-South
von: de Souza, Rafael S., et al.
Veröffentlicht: (2026)

Planetary Complexity Revealed by the Joint Differential Entropy of Eigencolours
von: Segal, Gary, et al.
Veröffentlicht: (2023)

TransformerPayne: enhancing spectral emulation accuracy and data efficiency by capturing long-range correlations
von: Różański, Tomasz, et al.
Veröffentlicht: (2024)

Teaching LLMs to Speak Spectroscopy
von: Ramachandra, Nesar, et al.
Veröffentlicht: (2025)

High-Precision Differential Radial Velocities of C3PO Wide Binaries: A Test of Modified Newtonian Dynamics (MOND)
von: Saad, Serat Mahmud, et al.
Veröffentlicht: (2025)

Gravitational Anomaly Measurement in Wide Binaries is Sensitive to Orbital Modeling
von: Saad, Serat M., et al.
Veröffentlicht: (2026)

pyKurucz: A Pure Python Reimplementation of Kurucz ATLAS12 and SYNTHE for Stellar Spectrum Synthesis
von: Kim, Elliot M., et al.
Veröffentlicht: (2026)

Scaling Laws for Emulation of Stellar Spectra
von: Różański, Tomasz, et al.
Veröffentlicht: (2025)

Maunakea Spectroscopic Explorer exposure time calculator for end-to-end simulator: to optimizing spectrograph design and observing simulation
von: Ji, Tae-Geun, et al.
Veröffentlicht: (2024)

Quasar Factor Analysis -- An Unsupervised and Probabilistic Quasar Continuum Prediction Algorithm with Latent Factor Analysis
von: Sun, Zechang, et al.
Veröffentlicht: (2022)

Finetuning Stellar Spectra Foundation Models with LoRA
von: Zhao, Xiaosheng, et al.
Veröffentlicht: (2025)

A new approach to observational cosmology using the scattering transform
von: Cheng, Sihao, et al.
Veröffentlicht: (2020)

Deep Learning in Astrophysics
von: Ting, Yuan-Sen
Veröffentlicht: (2025)

Mephisto: Self-Improving Large Language Model-Based Agents for Automated Interpretation of Multi-band Galaxy Observations
von: Sun, Zechang, et al.
Veröffentlicht: (2025)

Interpreting Multi-band Galaxy Observations with Large Language Model-Based Agents
von: Sun, Zechang, et al.
Veröffentlicht: (2024)

A Practical Framework for Weight Map Construction in CCD Photometry
von: Liu, Dezi, et al.
Veröffentlicht: (2025)

LIGO Core-Collapse Supernova Detection using Convolution Neural Networks
von: Pan, Zhicheng, et al.
Veröffentlicht: (2024)

An Astronomers Guide to Machine Learning
von: Webb, Sara A., et al.
Veröffentlicht: (2023)

Pointing Accuracy Improvements for the South Pole Telescope with Machine Learning
von: Chichura, P. M., et al.
Veröffentlicht: (2024)

Egent: An Autonomous Agent for Equivalent Width Measurement
von: Ting, Yuan-Sen, et al.
Veröffentlicht: (2025)

Astroconformer: The Prospects of Analyzing Stellar Light Curves with Transformer-Based Deep Learning Models
von: Pan, Jia-Shu, et al.
Veröffentlicht: (2023)

Astro-MoE: Mixture of Experts for Multiband Astronomical Time Series
von: Cádiz-Leyton, Martina, et al.
Veröffentlicht: (2025)

Machine Learning Workflow for Morphological Classification of Galaxies
von: Doser, Bernd, et al.
Veröffentlicht: (2025)

AstroMLab 3: Achieving GPT-4o Level Performance in Astronomy with a Specialized 8B-Parameter Large Language Model
von: de Haan, Tijmen, et al.
Veröffentlicht: (2024)

An Improved Machine Learning Approach for Radio Frequency Interference Mitigation in FAST-SETI Survey Archival Data
von: Zhao, Li-Li, et al.
Veröffentlicht: (2025)

Transformer-Based Astronomical Time Series Model with Uncertainty Estimation for Detecting Misclassified Instances
von: Cádiz-Leyton, Martina, et al.
Veröffentlicht: (2024)

Predicting New Concept-Object Associations in Astronomy by Mining the Literature
von: Li, Jinchu, et al.
Veröffentlicht: (2026)

Machine Learning Assisted NEO Discovery and Polarimetric Characterisation with Astronomical Surveys
von: Kleijn, G. A. Verdoes, et al.
Veröffentlicht: (2026)

E(2)-Equivariant Features in Machine Learning for Morphological Classification of Radio Galaxies
von: Lines, Natalie E. P., et al.
Veröffentlicht: (2024)

A Machine Learning Framework for Stellar Collision Transient Identification
von: Hu, Betty X., et al.
Veröffentlicht: (2025)

Interferometric Image Reconstruction using Closure Invariants and Machine Learning
von: Thyagarajan, Nithyanandan, et al.
Veröffentlicht: (2023)

Mapping Synthetic Observations to Prestellar Core Models: An Interpretable Machine Learning Approach
von: Grassi, T., et al.
Veröffentlicht: (2025)

Uncertainty estimation for time series classification: Exploring predictive uncertainty in transformer-based models for variable stars
von: Cádiz-Leyton, Martina, et al.
Veröffentlicht: (2024)