Buchumschlag

astromorph: Self-supervised machine learning pipeline for astronomical morphology analysis

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bjerkeli, Per, Kainulainen, Jouni, Toribio, Maria Carmen, Boschman, Leon, Lucas, Otoniel Maya
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Instrumentation and Methods for Astrophysics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Explainable machine learning workflows for radio astronomical data processing
von: Yatawatta, S., et al.
Veröffentlicht: (2026)

AstroSkyFlow: an astronomical sky image flow simulator for time domain survey validation and machine learning
von: Li, Kexin, et al.
Veröffentlicht: (2026)

PyLongslit: a simple manual Python pipeline for processing of astronomical long-slit spectra recorded with CCD detectors
von: Valeckas, Kostas, et al.
Veröffentlicht: (2025)

SSOXmatch: a Java pipeline to compute cross-matches of Solar System bodies in astronomical observations
von: Alonso-Albi, T.
Veröffentlicht: (2025)

Identification of problematic epochs in astronomical time series through transfer learning
von: Cavuoti, Stefano, et al.
Veröffentlicht: (2024)

GWSkyNet II : a refined machine learning pipeline for real-time classification of public gravitational wave alerts
von: Chan, Man Leong, et al.
Veröffentlicht: (2024)

Deep learning-based astronomical multimodal data fusion: A comprehensive review
von: Shao, Wujun, et al.
Veröffentlicht: (2026)

The carbon footprint of astronomical observatories
von: Knödlseder, Jürgen
Veröffentlicht: (2024)

Searching potential astronomical sites in Ethiopia
von: Sahlu, S., et al.
Veröffentlicht: (2025)

Environmental impacts of astronomical research infrastructures
von: Knödlseder, Jürgen
Veröffentlicht: (2025)

The effects of image augmentations when training machine learning models in astronomy
von: Butterworth, Leon H., et al.
Veröffentlicht: (2026)

dfreproject: A Python package for astronomical reprojection
von: Rhea, Carter Lee, et al.
Veröffentlicht: (2025)

Classification of compact radio sources in the Galactic plane with supervised machine learning
von: Riggi, S., et al.
Veröffentlicht: (2024)

gallifrey: JAX-based Gaussian process structure learning for astronomical time series
von: Boettner, Christopher
Veröffentlicht: (2025)

Comparing the morphology of molecular clouds without supervision
von: Richard, Pablo, et al.
Veröffentlicht: (2024)

A fast machine learning tool to predict the composition of astronomical ices from infrared absorption spectra
von: Megías, Andrés, et al.
Veröffentlicht: (2025)

Talking with the Latents -- how to convert your LLM into an astronomer
von: Kamai, Ilay, et al.
Veröffentlicht: (2026)

Website with interactive visualization of multivariate astronomical time series
von: Volkov, M., et al.
Veröffentlicht: (2026)

Self-supervised contrastive learning of radio data for source detection, classification and peculiar object discovery
von: Riggi, S., et al.
Veröffentlicht: (2024)

Deeper detection limits in astronomical imaging using self-supervised spatiotemporal denoising
von: Guo, Yuduo, et al.
Veröffentlicht: (2026)

A geometric approach to estimate background in astronomical images
von: Pandey, Pushpak, et al.
Veröffentlicht: (2024)

phrosty: A difference imaging pipeline for Roman
von: Aldoroty, Lauren, et al.
Veröffentlicht: (2025)

BROOM: a python package for model-independent analysis of microwave astronomical data
von: Carones, Alessandro, et al.
Veröffentlicht: (2026)

Visplot: A visibility plot and observation scheduling tool for astronomical observatories
von: Gafton, Emanuel, et al.
Veröffentlicht: (2026)

Quantification of propagation modes in an astronomical instrument from its radiation pattern
von: Yamasaki, Y., et al.
Veröffentlicht: (2023)

End-to-End simulation framework for astronomical spectrographs: SOXS, CUBES and ANDES
von: Scaudo, A., et al.
Veröffentlicht: (2024)

Virtual Realities: Is there only one advanced image display that astronomers need?
von: Fluke, Christopher J., et al.
Veröffentlicht: (2024)

The classification of real and bogus transients using active learning and semi-supervised learning
von: Liu, Yating, et al.
Veröffentlicht: (2024)

Dataset of artefacts for machine learning applications in astronomy
von: Sreejith, Sreevarsha, et al.
Veröffentlicht: (2025)

FRELLED Reloaded: Multiple techniques for astronomical data visualisation in Blender
von: Taylor, Rhys
Veröffentlicht: (2025)

Exploring symbolic regression and genetic algorithms for astronomical object classification
von: Llorella, Fabio R., et al.
Veröffentlicht: (2025)

A benchmark analysis of saliency-based explainable deep learning methods for the morphological classification of radio galaxies
von: Atemkeng, M. T., et al.
Veröffentlicht: (2025)

Detection and classification of astronomical sources with Astro-RetinaNet in crowded stellar fields
von: Yan, Yibo, et al.
Veröffentlicht: (2026)

PIRATES -- a machine-learning framework for polarized, interferometric image reconstruction
von: Lilley, Lucinda, et al.
Veröffentlicht: (2025)

A robust and simple method for filling in masked data in astronomical images
von: van Dokkum, Pieter, et al.
Veröffentlicht: (2023)

On-axis afocal telescopes as framework for Cubesat based astronomical imagers and slit-less spectrographs
von: Mishra, Anwesh Kumar, et al.
Veröffentlicht: (2025)

Analysis of astronomical data through sonification: reaching more inclusion for visual disable scientists
von: Casado, Johanna, et al.
Veröffentlicht: (2024)

BGRem: A background noise remover for astronomical images based on a diffusion model
von: Nicolaas, Rodney, et al.
Veröffentlicht: (2025)

The NIRWALS instrument detrending software pipeline
von: Kotulla, Ralf, et al.
Veröffentlicht: (2025)

Variational views for self-supervised learning in radio astronomy
von: Alphonse, Johnny Joseph, et al.
Veröffentlicht: (2026)