Machines learn to infer stellar parameters just by looking at a large number of spectra

Nima Sedaghat; Martino Romaniello; Jonathan Carrick; François-Xavier Pineau

doi:10.1093/mnras/staa3540

Article Dans Une Revue Monthly Notices of the Royal Astronomical Society Année : 2021

Machines learn to infer stellar parameters just by looking at a large number of spectra

, , , (1)

1

Nima Sedaghat

Fonction : Auteur

Martino Romaniello

Fonction : Auteur
PersonId : 806374
ORCID : 0000-0002-5527-6317

Jonathan Carrick

Fonction : Auteur

François-Xavier Pineau

Fonction : Auteur

Observatoire astronomique de Strasbourg

Domaines

Planète et Univers [physics]

Fichier principal

staa3540.pdf (7.31 Mo)

Origine : Fichiers éditeurs autorisés sur une archive ouverte

Olivier Hauss : Connectez-vous pour contacter le contributeur

https://hal.science/hal-03176264

Soumis le : jeudi 4 mai 2023-16:05:09

Dernière modification le : jeudi 18 avril 2024-15:38:03

Archivage à long terme le : samedi 5 août 2023-19:10:22

Dates et versions

hal-03176264 , version 1 (04-05-2023)

Identifiants

HAL Id : hal-03176264 , version 1
ARXIV : 2009.12872
DOI : 10.1093/mnras/staa3540

Citer

Nima Sedaghat, Martino Romaniello, Jonathan Carrick, François-Xavier Pineau. Machines learn to infer stellar parameters just by looking at a large number of spectra. Monthly Notices of the Royal Astronomical Society, 2021, 501 (4), pp.6026-6041. ⟨10.1093/mnras/staa3540⟩. ⟨hal-03176264⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

INSU CNRS SITE-ALSACE

28 Consultations

10 Téléchargements

Machines learn to infer stellar parameters just by looking at a large number of spectra

Domaines

Dates et versions

Identifiants

Citer

Exporter

Collections

Altmetric

Partager