Browsing Institutt for teoretisk astrofysikk by Author "Baes, M."

Now showing items 1-1 of 1

  • Euclid preparation – XXIII. Derivation of galaxy physical properties with deep machine learning using mock fluxes and H-band images 
    Bisigello, L.; Conselice, C.J.; Baes, M.; Bolzonella, M.; Brescia, Massimo; Cavuoti, Stefano; Cucciati, O.; Humphrey, A.; Hunt, L.K.; Maraston, C.; Pozzetti, L.; Tortora, C.; van Mierlo, S. E.; Aghanim, N.; Auricchio, N.; Baldi, M.; Bender, R.; Bodendorf, C.; Bonino, D.; Branchini, E.; Brinchmann, J.; Camera, S.; Capobianco, V.; Carbone, C.; Carretero, J.; Castander, F.J.; Castellano, M.; Cimatti, A.; Congedo, G.; Conversi, L.; Copin, Y.; Corcione, L.; Courbin, F.; Cropper, M.; Da Silva, A.; Degaudenzi, H.; Douspis, M.; Dubath, F.; Duncan, C.A.J.; Dupac, X.; Dusini, S.; Farrens, S.; Ferriol, S.; Frailis, M.; Franceschi, E.; Franzetti, P.; Fumana, M.; Garilli, B.; Gillard, W.; Gillis, B.; Giocoli, C.; Grazian, A.; Grupp, F.; Guzzo, L.; Haugan, Stein Vidar Hagfors; Holmes, W.; Hormuth, F.; Hornstrup, A.; Jahnke, K.; Kümmel, M.; Kermiche, S.; Kiessling, A.; Kilbinger, M.; Kohley, R.; Kunz, M.; Kurki-Suonio, Hannu; Ligori, S.; Lilje, Per Barth; Lloro, I.; Maiorano, E.; Mansutti, O.; Marggraf, O.; Markovic, K.; Marulli, F.; Massey, Richard; Maurogordato, S.; Medinaceli, E.; Meneghetti, M.; Merlin, E.; Meylan, G.; Moresco, M.; Moscardini, L.; Munari, E.; Niemi, S.M.; Padilla, C.; Paltani, S.; Pasian, F.; Pedersen, K.; Pettorino, V.; Polenta, G.; Poncet, M.; Popa, L.; Raison, F.; Renzi, A.; Rhodes, J.; Riccio, G.; Rix, H.-W.; Romelli, E.; Roncarelli, M.; Rosset, C.; Rossetti, E.; Saglia, R.; Sapone, D.; Sartoris, B.; Schneider, P.; Scodeggio, M.; Secroun, A.; Seidel, G.; Sirignano, C.; Sirri, G.; Stanco, L.; Tallada-Crespí, P.; Tavagnacco, D.; Taylor, A.N.; Tereno, I.; Toledo-Moreo, R.; Torradeflot, F.; Tutusaus, I.; Valentijn, E.A.; Valenziano, L.; Vassallo, T.; Wang, Y.; Zacchei, A.; Zamorani, G.; Zoubian, J.; Andreon, S.; Bardelli, S.; Boucaud, A.; Colodro-Conde, C.; Di Ferdinando, D.; Graciá-Carpio, J.; Lindholm, Valtteri; Maino, D.; Mei, S.; Scottez, V.; Sureau, F.; Tenti, M.; Zucca, E.; Borlaff, A.S.; Ballardini, M.; Biviano, A.; Bozzo, E.; Burigana, C.; Cabanac, R.; Cappi, A.; Carvalho, C.S.; Casas, S.; Castignani, G.; Cooray, A.; Coupon, J.; Courtois, H.M.; Cuby, J.; Davini, S.; De Lucia, G.; Desprez, G.; Dole, H.; Escartin, J.A.; Escoffier, S.; Farina, M.; Fotopoulou, S.; Ganga, K.; Garcia-Bellido, J.; George, K.; Giacomini, F.; Gozaliasl, G.; Hildebrandt, H.; Hook, I.; Huertas-Company, M.; Kansal, V.; Keihänen, Elina; Kirkpatrick, C.C.; Loureiro, A.; Macías-Pérez, J.F.; Magliocchetti, M.; Mainetti, G.; Marcin, S.; Martinelli, M.; Martinet, N.; Metcalf, R.B.; Monaco, P.; Morgante, G.; Nadathur, S.; Nucita, A.A.; Patrizii, L.; Peel, A.; Potter, D.; Pourtsidou, A.; Pöntinen, M.; Reimberg, P.; Sánchez, A.G.; Sakr, Z.; Schirmer, M.; Sefusatti, E.; Sereno, M.; Stadel, J.; Teyssier, R.; Valieri, C.; Väliviita, Jussi-Pekka; Viel, M. (Journal article / Tidsskriftartikkel / PublishedVersion; Peer reviewed, 2023)
    Next-generation telescopes, like Euclid, Rubin/LSST, and Roman, will open new windows on the Universe, allowing us to infer physical properties for tens of millions of galaxies. Machine-learning methods are increasingly ...