Buchumschlag

Fisher-Bingham-like normalizing flows on the sphere

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Glüsenkamp, Thorsten
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Instrumentation and Methods for Astrophysics Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Unifying supervised learning and VAEs -- coverage, systematics and goodness-of-fit in normalizing-flow based neural network models for astro-particle reconstructions
von: Glüsenkamp, Thorsten
Veröffentlicht: (2020)

Neural posterior estimation of the neutrino direction in IceCube using transformer-encoded normalizing flows on the sphere
von: Abbasi, R., et al.
Veröffentlicht: (2026)

ASTROCO: Self-Supervised Conformer-Style Transformers for Light-Curve Embeddings
von: Tan, Antony, et al.
Veröffentlicht: (2025)

Universal Spectral Tokenization via Self-Supervised Panchromatic Representation Learning
von: Shen, Jeff, et al.
Veröffentlicht: (2025)

Intrinsic Dimension Estimation for Radio Galaxy Zoo using Diffusion Models
von: Roset, Joan Font-Quer, et al.
Veröffentlicht: (2025)

Extracting latent representations from X-ray spectra. Classification, regression, and accretion signatures of Chandra sources
von: Vago, Nicolò Oreste Pinciroli, et al.
Veröffentlicht: (2025)

Astromer 2
von: Donoso-Oliva, Cristobal, et al.
Veröffentlicht: (2025)

Augmenting representations with scientific papers
von: Vago, Nicolò Oreste Pinciroli, et al.
Veröffentlicht: (2026)

What Understanding Means in AI-Laden Astronomy
von: Ting, Yuan-Sen, et al.
Veröffentlicht: (2026)

Quantifying the Reconstructability of Astrophysical Methods with Large Language Models and Information Theory: A Case Study in Spectral Reconstruction
von: Lin, Hsing Wen, et al.
Veröffentlicht: (2026)

Physics-Informed Neural Networks for Satellite State Estimation
von: Varey, Jacob, et al.
Veröffentlicht: (2024)

AstroCLIP: A Cross-Modal Foundation Model for Galaxies
von: Parker, Liam, et al.
Veröffentlicht: (2023)

Reinforcement learning
von: Yatawatta, Sarod
Veröffentlicht: (2024)

Galaxy image simplification using Generative AI
von: Erukude, Sai Teja, et al.
Veröffentlicht: (2025)

Self-supervised Synthetic Pretraining for Inference of Stellar Mass Embedded in Dense Gas
von: Hirashima, Keiya, et al.
Veröffentlicht: (2025)

Learned harmonic mean estimation of the marginal likelihood with normalizing flows
von: Polanska, Alicja, et al.
Veröffentlicht: (2023)

Exoplanet Detection Using Machine Learning Models Trained on Synthetic Light Curves
von: Lo, Ethan, et al.
Veröffentlicht: (2025)

Causal Foundation Models: Disentangling Physics from Instrument Properties
von: Audenaert, Jeroen, et al.
Veröffentlicht: (2025)

A transformer-based generative model for planetary systems
von: Alibert, Yann, et al.
Veröffentlicht: (2025)

A multi-model approach using XAI and anomaly detection to predict asteroid hazards
von: Mondal, Amit Kumar, et al.
Veröffentlicht: (2025)

Science Autonomy using Machine Learning for Astrobiology
von: Da Poian, Victoria, et al.
Veröffentlicht: (2025)

EclipseNETs: Learning Irregular Small Celestial Body Silhouettes
von: Acciarini, Giacomo, et al.
Veröffentlicht: (2025)

SpecCLIP: Aligning and Translating Spectroscopic Measurements for Stars
von: Zhao, Xiaosheng, et al.
Veröffentlicht: (2025)

Enhanced Predictive Modeling for Hazardous Near-Earth Object Detection: A Comparative Analysis of Advanced Resampling Strategies and Machine Learning Algorithms in Planetary Risk Assessment
von: Chandra, Sunkalp
Veröffentlicht: (2025)

Identification and Localization of Cometary Activity in Solar System Objects with Machine Learning
von: Bolin, Bryce T., et al.
Veröffentlicht: (2024)

The Palomar twilight survey of 'Ayló'chaxnim, Atiras, and comets
von: Bolin, B. T., et al.
Veröffentlicht: (2024)

Distinguishing a planetary transit from false positives: a Transformer-based classification for planetary transit signals
von: Salinas, Helem, et al.
Veröffentlicht: (2023)

Deep learning insights into cosmological structure formation
von: Lucie-Smith, Luisa, et al.
Veröffentlicht: (2020)

Opportunities in AI/ML for the Rubin LSST Dark Energy Science Collaboration
von: LSST Dark Energy Science Collaboration, et al.
Veröffentlicht: (2026)

Class-Based Time Series Data Augmentation to Mitigate Extreme Class Imbalance for Solar Flare Prediction
von: Wen, Junzhi, et al.
Veröffentlicht: (2024)

Precise and Efficient Orbit Prediction in LEO with Machine Learning using Exogenous Variables
von: Caldas, Francisco, et al.
Veröffentlicht: (2024)

Savage-Dickey density ratio estimation with normalizing flows for Bayesian model comparison
von: Lin, Kiyam, et al.
Veröffentlicht: (2025)

AI-assisted Advanced Propellant Development for Electric Propulsion
von: Du, Angel Pan, et al.
Veröffentlicht: (2025)

amc: The Automated Mission Classifier for Telescope Bibliographies
von: Wu, John F., et al.
Veröffentlicht: (2025)

Modeling X-ray photon pile-up with a normalizing flow
von: König, Ole, et al.
Veröffentlicht: (2025)

The hunt for new pulsating ultraluminous X-ray sources: a clustering approach
von: Vago, Nicolò Oreste Pinciroli, et al.
Veröffentlicht: (2025)

ORACLE: A Real-Time, Hierarchical, Deep-Learning Photometric Classifier for the LSST
von: Shah, Ved G., et al.
Veröffentlicht: (2025)

Learning Representations of Event Time Series with Sparse Autoencoders for Anomaly Detection, Similarity Search, and Unsupervised Classification
von: Dillmann, Steven, et al.
Veröffentlicht: (2025)

Representation Learning for Time-Domain High-Energy Astrophysics: Discovery of Extragalactic Fast X-ray Transient XRT 200515
von: Dillmann, Steven, et al.
Veröffentlicht: (2024)

Capability of using the normalizing flows for extraction rare gamma events in the TAIGA experiment
von: Kryukov, A. P., et al.
Veröffentlicht: (2025)