Machines learn to infer stellar parameters just by looking at a large number of spectra - Archive ouverte HAL
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

Nima Sedaghat
  • Fonction : Auteur
Martino Romaniello
Jonathan Carrick
  • Fonction : Auteur
François-Xavier Pineau
  • Fonction : Auteur
Observatoire astronomique de Strasbourg

Domaines

Planète et Univers [physics]
Fichier principal
Vignette du fichier
staa3540.pdf (7.31 Mo) Télécharger le fichier
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 : lundi 30 septembre 2024-14:46:17

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

Télécharger pour visualiser

Dates et versions

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

Identifiants

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
32 Consultations
30 Téléchargements

Altmetric

Partager

More