مقاله احتمالات شناسایی اعضا از کهکشان های ماهواره ای شیری با استفاده از الگوریتم های یادگیری ماشین بدون نظارت
| عنوان مقاله به انگلیسی | Possibilities of Identifying Members from Milky Way Satellite Galaxies using Unsupervised Machine Learning Algorithms |
| عنوان مقاله به فارسی | مقاله احتمالات شناسایی اعضا از کهکشان های ماهواره ای شیری با استفاده از الگوریتم های یادگیری ماشین بدون نظارت |
| نویسندگان | Devika K Divakar, Pallavi Saraf, Sivarani Thirupathi, Vijayakumar H Doddamani |
| زبان مقاله | انگلیسی |
| فرمت مقاله: | |
| تعداد صفحات | 0 |
| دسته بندی موضوعات | Instrumentation and Methods for Astrophysics,Astrophysics of Galaxies,ابزار دقیق و روش های اخترفیزیک , اخترفیزیک کهکشان ها , |
| توضیحات | Submitted 23 November, 2023; originally announced November 2023. |
| توضیحات به فارسی | ارسال شده 23 نوامبر 2023 ؛در ابتدا نوامبر 2023 اعلام شد. |
چکیده
A detailed study of stellar populations in Milky Way (MW) satellite galaxies remains an observational challenge due to their faintness and fewer spectroscopically confirmed member stars. We use unsupervised machine learning methods to identify new members for nine nearby MW satellite galaxies using Gaia data release-3 (Gaia DR3) astrometry and the Dark Energy Survey (DES) and the DECam Local Volume Exploration Survey (DELVE) photometry. Two density-based clustering algorithms, DBSCAN and HDBSCAN, have been used in the four-dimensional astrometric parameter space to identify member stars belonging to MW satellite galaxies. Our results indicate that we can recover more than 80% of the known spectroscopically confirmed members in most of the satellite galaxies and also reject 95-100% of spectroscopic non-members. We have also added many new members using this method. We compare our results with previous studies that also use photometric and astrometric data and discuss the suitability of density-based clustering methods for MW satellite galaxies
چکیده به فارسی (ترجمه ماشینی)
یک مطالعه دقیق از جمعیت ستاره ای در کهکشان های ماهواره ای شیری (MW) به دلیل ضعف آنها و ستاره های عضو عضویت در طیف سنجی کمتر ، یک چالش مشاهده ای است.ما از روشهای یادگیری ماشین بدون نظارت برای شناسایی اعضای جدید برای نه کهکشان ماهواره ای MW در نزدیکی با استفاده از Astrometry Data Gaia-3 (Gaia DR3) و بررسی انرژی تاریک (DES) و فتومتری بررسی حجم محلی Decam (DELVE) استفاده می کنیم.دو الگوریتم خوشه بندی مبتنی بر چگالی ، DBSCAN و HDBSCAN ، در فضای پارامتر چهار بعدی برای شناسایی ستاره های عضو متعلق به کهکشانهای ماهواره ای MW استفاده شده است.نتایج ما نشان می دهد که ما می توانیم بیش از 80 ٪ از اعضای شناخته شده طیف سنجی را در اکثر کهکشانهای ماهواره ای تأیید کنیم و همچنین 95-100 ٪ از افراد غیر عضو طیف سنجی را رد کنیم.ما همچنین بسیاری از اعضای جدید را با استفاده از این روش اضافه کرده ایم.ما نتایج خود را با مطالعات قبلی مقایسه می کنیم که از داده های فوتومتریک و اخترشناسی نیز استفاده می کنند و در مورد مناسب بودن روش های خوشه بندی مبتنی بر چگالی برای کهکشانهای ماهواره ای MW بحث می کنیم📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
- این محصول به صورت فایل دانلودی کامل ارائه میشود.
- توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
- دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
- برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
- اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی:
واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248
تلگرام: @ma_limbs
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.