ASTRONOMALY

Em resumo

Discute que surveys como Vera Rubin e SKA gerarão bilhões de fontes que nunca serão vistas por humanos;

Lochner, M. (2021)

Síntese

Discute que surveys como Vera Rubin e SKA gerarão bilhões de fontes que nunca serão vistas por humanos; ML é útil para detectar anomalias, mas confunde anomalias interessantes com artefatos instrumentais. Propõe active learning (humano + ML). É LEITURA OBRIGATÓRIA para seu projeto de detecção de anomalias.

Ver artigo original

Citação

@ARTICLE{Lochner2021,
       author = {{Lochner}, M. and {Bassett}, B.~A.},
        title = "{ASTRONOMALY: Personalised active anomaly detection in astronomical data}",
      journal = {Astronomy and Computing},
     keywords = {Astrophysics - Instrumentation and Methods for Astrophysics, Astrophysics - Astrophysics of Galaxies},
         year = 2021,
        month = jul,
       volume = {36},
          eid = {100481},
        pages = {100481},
          doi = {10.1016/j.ascom.2021.100481},
archivePrefix = {arXiv},
       eprint = {2010.11202},
 primaryClass = {astro-ph.IM},
       adsurl = {https://ui.adsabs.harvard.edu/abs/2021A&C....3600481L},
      adsnote = {Provided by the SAO/NASA Astrophysics Data System}
}