Galaxies in the zone of avoidance: Misclassifications using machine learning tools

Autores
Marchant Cortés, P.; Nilo Castellón, José Luis; Alonso, Maria Victoria; Baravalle, Laura Daniela; Villalón, Carolina Inés; Sgró, Mario Agustín; Daza Perilla, Ingrid Vanessa; Soto, M.; Milla Castro, F.; Minniti, Dante; Masetti, N.; Valotto, Carlos Alberto; Lares Harbin Latorre, Marcelo
Año de publicación
2024
Idioma
inglés
Tipo de recurso
artículo
Estado
versión publicada
Descripción
Context. Automated methods for classifying extragalactic objects in large surveys offer significant advantages compared to manual approaches in terms of efficiency and consistency. However, the existence of the Galactic disk raises additional concerns. These regions are known for high levels of interstellar extinction, star crowding, and limited data sets and studies. Aims. In this study, we explore the identification and classification of galaxies in the zone of avoidance (ZoA). In particular, we compare our results in the near-infrared (NIR) with X-ray data. Methods. We analyzed the appearance of objects in the Galactic disk classified as galaxies using a published machine-learning (ML) algorithm and make a comparison with the visually confirmed galaxies from the VVV NIRGC catalog. Results. Our analysis, which includes the visual inspection of all sources cataloged as galaxies throughout the Galactic disk using ML techniques reveals significant differences. Only four galaxies were found in both the NIR and X-ray data sets. Several specific regions of interest within the ZoA exhibit a high probability of being galaxies in X-ray data but closely resemble extended Galactic objects. Our results indicate the difficulty in using ML methods for galaxy classification in the ZoA, which is mainly due to the scarcity of information on galaxies behind the Galactic plane in the training set. They also highlight the importance of considering specific factors that are present to improve the reliability and accuracy of future studies in this challenging region.
Fil: Marchant Cortés, P.. Universidad de La Serena; Chile
Fil: Nilo Castellón, José Luis. Universidad de La Serena; Chile
Fil: Alonso, Maria Victoria. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Astronomía Teórica y Experimental. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba. Instituto de Astronomía Teórica y Experimental; Argentina. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba; Argentina
Fil: Baravalle, Laura Daniela. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Astronomía Teórica y Experimental. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba. Instituto de Astronomía Teórica y Experimental; Argentina. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba; Argentina
Fil: Villalón, Carolina Inés. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Astronomía Teórica y Experimental. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba. Instituto de Astronomía Teórica y Experimental; Argentina
Fil: Sgró, Mario Agustín. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Astronomía Teórica y Experimental. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba. Instituto de Astronomía Teórica y Experimental; Argentina
Fil: Daza Perilla, Ingrid Vanessa. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Astronomía Teórica y Experimental. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba. Instituto de Astronomía Teórica y Experimental; Argentina. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba; Argentina
Fil: Soto, M.. Universidad de Atacama; Chile
Fil: Milla Castro, F.. Universidad de La Serena; Chile
Fil: Minniti, Dante. Vatican Observatory; Italia. Universidad Andrés Bello; Chile. Universidade Federal de Santa Catarina; Brasil
Fil: Masetti, N.. Istituto Nazionale di Astrofisica; Italia. Universidad Andrés Bello; Chile
Fil: Valotto, Carlos Alberto. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Astronomía Teórica y Experimental. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba. Instituto de Astronomía Teórica y Experimental; Argentina. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba; Argentina
Fil: Lares Harbin Latorre, Marcelo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Astronomía Teórica y Experimental. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba. Instituto de Astronomía Teórica y Experimental; Argentina. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba; Argentina
Materia
CATALOGS
SURVEYS
INFRARED: GALAXIES
X-RAYS: GALAXIES
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/265497
Acceder
id CONICETDig_3b59aac461547e3338bff8fd10ced4cd
oai_identifier_str oai:ri.conicet.gov.ar:11336/265497
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Galaxies in the zone of avoidance: Misclassifications using machine learning toolsMarchant Cortés, P.Nilo Castellón, José LuisAlonso, Maria VictoriaBaravalle, Laura DanielaVillalón, Carolina InésSgró, Mario AgustínDaza Perilla, Ingrid VanessaSoto, M.Milla Castro, F.Minniti, DanteMasetti, N.Valotto, Carlos AlbertoLares Harbin Latorre, MarceloCATALOGSSURVEYSINFRARED: GALAXIESX-RAYS: GALAXIEShttps://purl.org/becyt/ford/1.3https://purl.org/becyt/ford/1Context. Automated methods for classifying extragalactic objects in large surveys offer significant advantages compared to manual approaches in terms of efficiency and consistency. However, the existence of the Galactic disk raises additional concerns. These regions are known for high levels of interstellar extinction, star crowding, and limited data sets and studies. Aims. In this study, we explore the identification and classification of galaxies in the zone of avoidance (ZoA). In particular, we compare our results in the near-infrared (NIR) with X-ray data. Methods. We analyzed the appearance of objects in the Galactic disk classified as galaxies using a published machine-learning (ML) algorithm and make a comparison with the visually confirmed galaxies from the VVV NIRGC catalog. Results. Our analysis, which includes the visual inspection of all sources cataloged as galaxies throughout the Galactic disk using ML techniques reveals significant differences. Only four galaxies were found in both the NIR and X-ray data sets. Several specific regions of interest within the ZoA exhibit a high probability of being galaxies in X-ray data but closely resemble extended Galactic objects. Our results indicate the difficulty in using ML methods for galaxy classification in the ZoA, which is mainly due to the scarcity of information on galaxies behind the Galactic plane in the training set. They also highlight the importance of considering specific factors that are present to improve the reliability and accuracy of future studies in this challenging region.Fil: Marchant Cortés, P.. Universidad de La Serena; ChileFil: Nilo Castellón, José Luis. Universidad de La Serena; ChileFil: Alonso, Maria Victoria. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Astronomía Teórica y Experimental. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba. Instituto de Astronomía Teórica y Experimental; Argentina. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba; ArgentinaFil: Baravalle, Laura Daniela. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Astronomía Teórica y Experimental. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba. Instituto de Astronomía Teórica y Experimental; Argentina. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba; ArgentinaFil: Villalón, Carolina Inés. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Astronomía Teórica y Experimental. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba. Instituto de Astronomía Teórica y Experimental; ArgentinaFil: Sgró, Mario Agustín. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Astronomía Teórica y Experimental. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba. Instituto de Astronomía Teórica y Experimental; ArgentinaFil: Daza Perilla, Ingrid Vanessa. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Astronomía Teórica y Experimental. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba. Instituto de Astronomía Teórica y Experimental; Argentina. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba; ArgentinaFil: Soto, M.. Universidad de Atacama; ChileFil: Milla Castro, F.. Universidad de La Serena; ChileFil: Minniti, Dante. Vatican Observatory; Italia. Universidad Andrés Bello; Chile. Universidade Federal de Santa Catarina; BrasilFil: Masetti, N.. Istituto Nazionale di Astrofisica; Italia. Universidad Andrés Bello; ChileFil: Valotto, Carlos Alberto. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Astronomía Teórica y Experimental. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba. Instituto de Astronomía Teórica y Experimental; Argentina. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba; ArgentinaFil: Lares Harbin Latorre, Marcelo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Astronomía Teórica y Experimental. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba. Instituto de Astronomía Teórica y Experimental; Argentina. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba; ArgentinaEDP Sciences2024-05info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/265497Marchant Cortés, P.; Nilo Castellón, José Luis; Alonso, Maria Victoria; Baravalle, Laura Daniela; Villalón, Carolina Inés; et al.; Galaxies in the zone of avoidance: Misclassifications using machine learning tools; EDP Sciences; Astronomy and Astrophysics; 686; A18; 5-2024; 1-100004-63611432-0746CONICET DigitalCONICETenginfo:eu-repo/semantics/altIdentifier/url/https://www.aanda.org/10.1051/0004-6361/202348637info:eu-repo/semantics/altIdentifier/doi/10.1051/0004-6361/202348637info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T10:12:21Zoai:ri.conicet.gov.ar:11336/265497instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-29 10:12:22.156CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Galaxies in the zone of avoidance: Misclassifications using machine learning tools
title Galaxies in the zone of avoidance: Misclassifications using machine learning tools
spellingShingle Galaxies in the zone of avoidance: Misclassifications using machine learning tools
Marchant Cortés, P.
CATALOGS
SURVEYS
INFRARED: GALAXIES
X-RAYS: GALAXIES
title_short Galaxies in the zone of avoidance: Misclassifications using machine learning tools
title_full Galaxies in the zone of avoidance: Misclassifications using machine learning tools
title_fullStr Galaxies in the zone of avoidance: Misclassifications using machine learning tools
title_full_unstemmed Galaxies in the zone of avoidance: Misclassifications using machine learning tools
title_sort Galaxies in the zone of avoidance: Misclassifications using machine learning tools
dc.creator.none.fl_str_mv Marchant Cortés, P.
Nilo Castellón, José Luis
Alonso, Maria Victoria
Baravalle, Laura Daniela
Villalón, Carolina Inés
Sgró, Mario Agustín
Daza Perilla, Ingrid Vanessa
Soto, M.
Milla Castro, F.
Minniti, Dante
Masetti, N.
Valotto, Carlos Alberto
Lares Harbin Latorre, Marcelo
author Marchant Cortés, P.
author_facet Marchant Cortés, P.
Nilo Castellón, José Luis
Alonso, Maria Victoria
Baravalle, Laura Daniela
Villalón, Carolina Inés
Sgró, Mario Agustín
Daza Perilla, Ingrid Vanessa
Soto, M.
Milla Castro, F.
Minniti, Dante
Masetti, N.
Valotto, Carlos Alberto
Lares Harbin Latorre, Marcelo
author_role author
author2 Nilo Castellón, José Luis
Alonso, Maria Victoria
Baravalle, Laura Daniela
Villalón, Carolina Inés
Sgró, Mario Agustín
Daza Perilla, Ingrid Vanessa
Soto, M.
Milla Castro, F.
Minniti, Dante
Masetti, N.
Valotto, Carlos Alberto
Lares Harbin Latorre, Marcelo
author2_role author
author
author
author
author
author
author
author
author
author
author
author
dc.subject.none.fl_str_mv CATALOGS
SURVEYS
INFRARED: GALAXIES
X-RAYS: GALAXIES
topic CATALOGS
SURVEYS
INFRARED: GALAXIES
X-RAYS: GALAXIES
purl_subject.fl_str_mv https://purl.org/becyt/ford/1.3
https://purl.org/becyt/ford/1
dc.description.none.fl_txt_mv Context. Automated methods for classifying extragalactic objects in large surveys offer significant advantages compared to manual approaches in terms of efficiency and consistency. However, the existence of the Galactic disk raises additional concerns. These regions are known for high levels of interstellar extinction, star crowding, and limited data sets and studies. Aims. In this study, we explore the identification and classification of galaxies in the zone of avoidance (ZoA). In particular, we compare our results in the near-infrared (NIR) with X-ray data. Methods. We analyzed the appearance of objects in the Galactic disk classified as galaxies using a published machine-learning (ML) algorithm and make a comparison with the visually confirmed galaxies from the VVV NIRGC catalog. Results. Our analysis, which includes the visual inspection of all sources cataloged as galaxies throughout the Galactic disk using ML techniques reveals significant differences. Only four galaxies were found in both the NIR and X-ray data sets. Several specific regions of interest within the ZoA exhibit a high probability of being galaxies in X-ray data but closely resemble extended Galactic objects. Our results indicate the difficulty in using ML methods for galaxy classification in the ZoA, which is mainly due to the scarcity of information on galaxies behind the Galactic plane in the training set. They also highlight the importance of considering specific factors that are present to improve the reliability and accuracy of future studies in this challenging region.
Fil: Marchant Cortés, P.. Universidad de La Serena; Chile
Fil: Nilo Castellón, José Luis. Universidad de La Serena; Chile
Fil: Alonso, Maria Victoria. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Astronomía Teórica y Experimental. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba. Instituto de Astronomía Teórica y Experimental; Argentina. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba; Argentina
Fil: Baravalle, Laura Daniela. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Astronomía Teórica y Experimental. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba. Instituto de Astronomía Teórica y Experimental; Argentina. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba; Argentina
Fil: Villalón, Carolina Inés. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Astronomía Teórica y Experimental. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba. Instituto de Astronomía Teórica y Experimental; Argentina
Fil: Sgró, Mario Agustín. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Astronomía Teórica y Experimental. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba. Instituto de Astronomía Teórica y Experimental; Argentina
Fil: Daza Perilla, Ingrid Vanessa. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Astronomía Teórica y Experimental. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba. Instituto de Astronomía Teórica y Experimental; Argentina. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba; Argentina
Fil: Soto, M.. Universidad de Atacama; Chile
Fil: Milla Castro, F.. Universidad de La Serena; Chile
Fil: Minniti, Dante. Vatican Observatory; Italia. Universidad Andrés Bello; Chile. Universidade Federal de Santa Catarina; Brasil
Fil: Masetti, N.. Istituto Nazionale di Astrofisica; Italia. Universidad Andrés Bello; Chile
Fil: Valotto, Carlos Alberto. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Astronomía Teórica y Experimental. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba. Instituto de Astronomía Teórica y Experimental; Argentina. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba; Argentina
Fil: Lares Harbin Latorre, Marcelo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Astronomía Teórica y Experimental. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba. Instituto de Astronomía Teórica y Experimental; Argentina. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba; Argentina
description Context. Automated methods for classifying extragalactic objects in large surveys offer significant advantages compared to manual approaches in terms of efficiency and consistency. However, the existence of the Galactic disk raises additional concerns. These regions are known for high levels of interstellar extinction, star crowding, and limited data sets and studies. Aims. In this study, we explore the identification and classification of galaxies in the zone of avoidance (ZoA). In particular, we compare our results in the near-infrared (NIR) with X-ray data. Methods. We analyzed the appearance of objects in the Galactic disk classified as galaxies using a published machine-learning (ML) algorithm and make a comparison with the visually confirmed galaxies from the VVV NIRGC catalog. Results. Our analysis, which includes the visual inspection of all sources cataloged as galaxies throughout the Galactic disk using ML techniques reveals significant differences. Only four galaxies were found in both the NIR and X-ray data sets. Several specific regions of interest within the ZoA exhibit a high probability of being galaxies in X-ray data but closely resemble extended Galactic objects. Our results indicate the difficulty in using ML methods for galaxy classification in the ZoA, which is mainly due to the scarcity of information on galaxies behind the Galactic plane in the training set. They also highlight the importance of considering specific factors that are present to improve the reliability and accuracy of future studies in this challenging region.
publishDate 2024
dc.date.none.fl_str_mv 2024-05
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/265497
Marchant Cortés, P.; Nilo Castellón, José Luis; Alonso, Maria Victoria; Baravalle, Laura Daniela; Villalón, Carolina Inés; et al.; Galaxies in the zone of avoidance: Misclassifications using machine learning tools; EDP Sciences; Astronomy and Astrophysics; 686; A18; 5-2024; 1-10
0004-6361
1432-0746
CONICET Digital
CONICET
url http://hdl.handle.net/11336/265497
identifier_str_mv Marchant Cortés, P.; Nilo Castellón, José Luis; Alonso, Maria Victoria; Baravalle, Laura Daniela; Villalón, Carolina Inés; et al.; Galaxies in the zone of avoidance: Misclassifications using machine learning tools; EDP Sciences; Astronomy and Astrophysics; 686; A18; 5-2024; 1-10
0004-6361
1432-0746
CONICET Digital
CONICET
dc.language.none.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://www.aanda.org/10.1051/0004-6361/202348637
info:eu-repo/semantics/altIdentifier/doi/10.1051/0004-6361/202348637
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
application/pdf
application/pdf
application/pdf
dc.publisher.none.fl_str_mv EDP Sciences
publisher.none.fl_str_mv EDP Sciences
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1844614030291894272
score 13.070432

Publicaciones similares