The miniJPAS survey quasar selection (2023)
- Authors:
- USP affiliated authors: ABRAMO, LUIS RAUL WEBER - IF ; SILVA, CAROLINA QUEIROZ DE ABREU - IF ; RODRIGUES, NATÁLIA VILLA NOVA - IF
- Unidade: IF
- DOI: 10.1051/0004-6361/202245750
- Subjects: GALÁXIAS; COSMOLOGIA
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Publisher: EDP Sciences
- Publisher place: Les Ulis, França
- Date published: 2023
- Source:
- Título: Astronomy & Astrophysics
- Volume/Número/Paginação/Ano: v. 673, A103, 2023
- Este periódico é de assinatura
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: hybrid
- Licença: cc-by
-
ABNT
MARTÍNEZ-SOLAECHE, Ginés et al. The miniJPAS survey quasar selection. Astronomy & Astrophysics, v. 673, 2023Tradução . . Disponível em: https://doi.org/10.1051/0004-6361/202245750. Acesso em: 20 out. 2024. -
APA
Martínez-Solaeche, G., Abramo, L. R. W., Silva, C. Q. de A., & Rodrigues, N. V. N. (2023). The miniJPAS survey quasar selection. Astronomy & Astrophysics, 673. doi:10.1051/0004-6361/202245750 -
NLM
Martínez-Solaeche G, Abramo LRW, Silva CQ de A, Rodrigues NVN. The miniJPAS survey quasar selection [Internet]. Astronomy & Astrophysics. 2023 ; 673[citado 2024 out. 20 ] Available from: https://doi.org/10.1051/0004-6361/202245750 -
Vancouver
Martínez-Solaeche G, Abramo LRW, Silva CQ de A, Rodrigues NVN. The miniJPAS survey quasar selection [Internet]. Astronomy & Astrophysics. 2023 ; 673[citado 2024 out. 20 ] Available from: https://doi.org/10.1051/0004-6361/202245750 - The miniJPAS survey: agn and host galaxy coevolution of x-ray-selected sources
- Black hole virial masses from single-epoch photometry The miniJPAS test case
- The miniJPAS survey quasar selection: IV. Classification and redshift estimation with SQUEzE
- The miniJPAS survey quasar selection – I: mock catalogues for classification
- J-NEP: 60-band photometry and photometric redshifts for the James Webb Space Telescope North Ecliptic Pole Time-Domain Field
- The information of attribute uncertainties: what convolutional neural networks can learn about errors in input data
- High-fidelity reproduction of central galaxy joint distributions with neural networks
- Classificação de quasares, estrelas e galáxias com técnicas de aprendizagem automática
- Redshifts fotométricos de quasares em levantamentos de bandas estreitas
- Identificação e redshifts fotométricos para quasares do tipo-I com sistemas de filtros de bandas médias e estreitas
Informações sobre o DOI: 10.1051/0004-6361/202245750 (Fonte: oaDOI API)
Download do texto completo
Tipo | Nome | Link | |
---|---|---|---|
aa45750-22.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas