611 Convolutional Neural Networks in Astroinformatics: Machine Learning Methods for Galaxy Classification: Unterschied zwischen den Versionen
| Zeile 1: | Zeile 1: | ||
| − | |||
In der modernen Astronomie stellt die automatisierte Klassifizierung von Galaxien anhand ihrer morphologischen Eigenschaften eine signifikante Herausforderung und zugleich eine bedeutende Gelegenheit dar, unser Verständnis des Universums zu vertiefen. Dieses Fortgeschrittenenpraktikum zielt darauf ab die praktische Anwendung von Convolutional Neural Networks (CNNs) für die Klassifizierung zu vermitteln. Der EFIGI-Datensatz, eine umfassende Sammlung von Galaxienbildern, bietet eine diverse Grundlage für die Erkundung von Galaxienmorphologien, die von elliptischen bis zu irregulären Formen reichen. | In der modernen Astronomie stellt die automatisierte Klassifizierung von Galaxien anhand ihrer morphologischen Eigenschaften eine signifikante Herausforderung und zugleich eine bedeutende Gelegenheit dar, unser Verständnis des Universums zu vertiefen. Dieses Fortgeschrittenenpraktikum zielt darauf ab die praktische Anwendung von Convolutional Neural Networks (CNNs) für die Klassifizierung zu vermitteln. Der EFIGI-Datensatz, eine umfassende Sammlung von Galaxienbildern, bietet eine diverse Grundlage für die Erkundung von Galaxienmorphologien, die von elliptischen bis zu irregulären Formen reichen. | ||
Das Praktikum bietet eine Einführung in die grundlegenden Konzepte des maschinellen Lernens und der tiefen neuronalen Netze, speziell im Kontext der Bilderkennung. Durch praktische Übungen erlangen die Studierenden ein tiefgreifendes Verständnis der Herausforderungen und Strategien bei der Klassifizierung (astronomischer) Bilddaten. | Das Praktikum bietet eine Einführung in die grundlegenden Konzepte des maschinellen Lernens und der tiefen neuronalen Netze, speziell im Kontext der Bilderkennung. Durch praktische Übungen erlangen die Studierenden ein tiefgreifendes Verständnis der Herausforderungen und Strategien bei der Klassifizierung (astronomischer) Bilddaten. | ||
Version vom 4. März 2024, 15:49 Uhr
In der modernen Astronomie stellt die automatisierte Klassifizierung von Galaxien anhand ihrer morphologischen Eigenschaften eine signifikante Herausforderung und zugleich eine bedeutende Gelegenheit dar, unser Verständnis des Universums zu vertiefen. Dieses Fortgeschrittenenpraktikum zielt darauf ab die praktische Anwendung von Convolutional Neural Networks (CNNs) für die Klassifizierung zu vermitteln. Der EFIGI-Datensatz, eine umfassende Sammlung von Galaxienbildern, bietet eine diverse Grundlage für die Erkundung von Galaxienmorphologien, die von elliptischen bis zu irregulären Formen reichen. Das Praktikum bietet eine Einführung in die grundlegenden Konzepte des maschinellen Lernens und der tiefen neuronalen Netze, speziell im Kontext der Bilderkennung. Durch praktische Übungen erlangen die Studierenden ein tiefgreifendes Verständnis der Herausforderungen und Strategien bei der Klassifizierung (astronomischer) Bilddaten.
