Machine learning on difference image analysis: A comparison of methods for transient detection
- Autores
- Sánchez, Bruno Orlando; Dominguez Romero, Mariano Javier de Leon; Lares Harbin Latorre, Marcelo; Beroiz, Martin Isidro Ramon; Cabral, Juan Bautista; Gurovich, Sebastian; Quiñones, Cecilia; Artola, Rodolfo Alfredo; Colazo, Carlos A.; Schneiter, Ernesto Matías; Girardini, Carla; Tornatore, Marina; Nilo Castellón, José Luis; Garcia Lambas, Diego Rodolfo; Díaz, Mario Coma
- Año de publicación
- 2019
- Idioma
- inglés
- Tipo de recurso
- artículo
- Estado
- versión publicada
- Descripción
- We present a comparison of several Difference Image Analysis (DIA) techniques, in combination with Machine Learning (ML) algorithms, applied to the identification of optical transients associated to gravitational wave events. Each technique is assessed based on the scoring metrics of Precision, Recall, and their harmonic mean F1, measured on the DIA results as standalone techniques, and also in the results after the application of ML algorithms, on transient source injections over simulated and real data. These simulations cover a wide range of instrumental configurations, as well as a variety of scenarios of observation conditions, by exploring a multi dimensional set of relevant parameters, allowing us to extract general conclusions related to the identification of transient astrophysical events. The newest subtraction techniques, and particularly the methodology published in Zackay et al., (2016) are implemented on an Open Source Python package, named properimage, suitable for many other astronomical image analyses. This together, with the ML libraries we describe, provides an effective transient detection software pipeline. Here we study the effects of the different ML techniques, and the relative feature importances for classification of transient candidates, and propose an optimal combined strategy. This constitutes the basic elements of pipelines that could be applied in searches of electromagnetic counterparts to GW sources.
Fil: Sánchez, Bruno Orlando. 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: Dominguez Romero, Mariano Javier de Leon. 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
Fil: Beroiz, Martin Isidro Ramon. University of Texas; Estados Unidos
Fil: Cabral, Juan Bautista. 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 Rosario. Facultad de Ciencias Exactas, Ingeniería y Agrimensura; Argentina
Fil: Gurovich, Sebastian. 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: Quiñones, Cecilia. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba; Argentina
Fil: Artola, Rodolfo Alfredo. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba; Argentina
Fil: Colazo, Carlos A.. 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: Schneiter, Ernesto Matías. 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: Girardini, Carla. 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: Tornatore, Marina. 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: Nilo Castellón, José Luis. Universidad de La Serena; Chile
Fil: Garcia Lambas, Diego Rodolfo. 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: Díaz, Mario Coma. University of Texas At Brownsville. Center for Gravitational Wave Astronomy; Estados Unidos - Materia
-
DATA ANALYSIS
IMAGE PROCESSING
METHODS
TECHNIQUES - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- https://creativecommons.org/licenses/by-nc-nd/2.5/ar/
- Repositorio
.jpg)
- Institución
- Consejo Nacional de Investigaciones Científicas y Técnicas
- OAI Identificador
- oai:ri.conicet.gov.ar:11336/123804
Ver los metadatos del registro completo
| id |
CONICETDig_9d5547ad12657efd05eef3aff91a0d47 |
|---|---|
| oai_identifier_str |
oai:ri.conicet.gov.ar:11336/123804 |
| network_acronym_str |
CONICETDig |
| repository_id_str |
3498 |
| network_name_str |
CONICET Digital (CONICET) |
| spelling |
Machine learning on difference image analysis: A comparison of methods for transient detectionSánchez, Bruno OrlandoDominguez Romero, Mariano Javier de LeonLares Harbin Latorre, MarceloBeroiz, Martin Isidro RamonCabral, Juan BautistaGurovich, SebastianQuiñones, CeciliaArtola, Rodolfo AlfredoColazo, Carlos A.Schneiter, Ernesto MatíasGirardini, CarlaTornatore, MarinaNilo Castellón, José LuisGarcia Lambas, Diego RodolfoDíaz, Mario ComaDATA ANALYSISIMAGE PROCESSINGMETHODSTECHNIQUEShttps://purl.org/becyt/ford/1.3https://purl.org/becyt/ford/1We present a comparison of several Difference Image Analysis (DIA) techniques, in combination with Machine Learning (ML) algorithms, applied to the identification of optical transients associated to gravitational wave events. Each technique is assessed based on the scoring metrics of Precision, Recall, and their harmonic mean F1, measured on the DIA results as standalone techniques, and also in the results after the application of ML algorithms, on transient source injections over simulated and real data. These simulations cover a wide range of instrumental configurations, as well as a variety of scenarios of observation conditions, by exploring a multi dimensional set of relevant parameters, allowing us to extract general conclusions related to the identification of transient astrophysical events. The newest subtraction techniques, and particularly the methodology published in Zackay et al., (2016) are implemented on an Open Source Python package, named properimage, suitable for many other astronomical image analyses. This together, with the ML libraries we describe, provides an effective transient detection software pipeline. Here we study the effects of the different ML techniques, and the relative feature importances for classification of transient candidates, and propose an optimal combined strategy. This constitutes the basic elements of pipelines that could be applied in searches of electromagnetic counterparts to GW sources.Fil: Sánchez, Bruno Orlando. 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: Dominguez Romero, Mariano Javier de Leon. 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; ArgentinaFil: Beroiz, Martin Isidro Ramon. University of Texas; Estados UnidosFil: Cabral, Juan Bautista. 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 Rosario. Facultad de Ciencias Exactas, Ingeniería y Agrimensura; ArgentinaFil: Gurovich, Sebastian. 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: Quiñones, Cecilia. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba; ArgentinaFil: Artola, Rodolfo Alfredo. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba; ArgentinaFil: Colazo, Carlos A.. 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: Schneiter, Ernesto Matías. 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: Girardini, Carla. 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: Tornatore, Marina. 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: Nilo Castellón, José Luis. Universidad de La Serena; ChileFil: Garcia Lambas, Diego Rodolfo. 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: Díaz, Mario Coma. University of Texas At Brownsville. Center for Gravitational Wave Astronomy; Estados UnidosElsevier2019-07info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/123804Sánchez, Bruno Orlando; Dominguez Romero, Mariano Javier de Leon; Lares Harbin Latorre, Marcelo; Beroiz, Martin Isidro Ramon; Cabral, Juan Bautista; et al.; Machine learning on difference image analysis: A comparison of methods for transient detection; Elsevier; Astronomy and Computing; 28; 7-2019; 1-17; 1002842213-1337CONICET DigitalCONICETenginfo:eu-repo/semantics/altIdentifier/url/https://www.sciencedirect.com/science/article/pii/S2213133718300982?via%3Dihubinfo:eu-repo/semantics/altIdentifier/url/https://arxiv.org/abs/1812.10518info:eu-repo/semantics/altIdentifier/doi/10.1016/j.ascom.2019.05.002info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-nd/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T10:05:42Zoai:ri.conicet.gov.ar:11336/123804instacron: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 10:05:42.496CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse |
| dc.title.none.fl_str_mv |
Machine learning on difference image analysis: A comparison of methods for transient detection |
| title |
Machine learning on difference image analysis: A comparison of methods for transient detection |
| spellingShingle |
Machine learning on difference image analysis: A comparison of methods for transient detection Sánchez, Bruno Orlando DATA ANALYSIS IMAGE PROCESSING METHODS TECHNIQUES |
| title_short |
Machine learning on difference image analysis: A comparison of methods for transient detection |
| title_full |
Machine learning on difference image analysis: A comparison of methods for transient detection |
| title_fullStr |
Machine learning on difference image analysis: A comparison of methods for transient detection |
| title_full_unstemmed |
Machine learning on difference image analysis: A comparison of methods for transient detection |
| title_sort |
Machine learning on difference image analysis: A comparison of methods for transient detection |
| dc.creator.none.fl_str_mv |
Sánchez, Bruno Orlando Dominguez Romero, Mariano Javier de Leon Lares Harbin Latorre, Marcelo Beroiz, Martin Isidro Ramon Cabral, Juan Bautista Gurovich, Sebastian Quiñones, Cecilia Artola, Rodolfo Alfredo Colazo, Carlos A. Schneiter, Ernesto Matías Girardini, Carla Tornatore, Marina Nilo Castellón, José Luis Garcia Lambas, Diego Rodolfo Díaz, Mario Coma |
| author |
Sánchez, Bruno Orlando |
| author_facet |
Sánchez, Bruno Orlando Dominguez Romero, Mariano Javier de Leon Lares Harbin Latorre, Marcelo Beroiz, Martin Isidro Ramon Cabral, Juan Bautista Gurovich, Sebastian Quiñones, Cecilia Artola, Rodolfo Alfredo Colazo, Carlos A. Schneiter, Ernesto Matías Girardini, Carla Tornatore, Marina Nilo Castellón, José Luis Garcia Lambas, Diego Rodolfo Díaz, Mario Coma |
| author_role |
author |
| author2 |
Dominguez Romero, Mariano Javier de Leon Lares Harbin Latorre, Marcelo Beroiz, Martin Isidro Ramon Cabral, Juan Bautista Gurovich, Sebastian Quiñones, Cecilia Artola, Rodolfo Alfredo Colazo, Carlos A. Schneiter, Ernesto Matías Girardini, Carla Tornatore, Marina Nilo Castellón, José Luis Garcia Lambas, Diego Rodolfo Díaz, Mario Coma |
| author2_role |
author author author author author author author author author author author author author author |
| dc.subject.none.fl_str_mv |
DATA ANALYSIS IMAGE PROCESSING METHODS TECHNIQUES |
| topic |
DATA ANALYSIS IMAGE PROCESSING METHODS TECHNIQUES |
| purl_subject.fl_str_mv |
https://purl.org/becyt/ford/1.3 https://purl.org/becyt/ford/1 |
| dc.description.none.fl_txt_mv |
We present a comparison of several Difference Image Analysis (DIA) techniques, in combination with Machine Learning (ML) algorithms, applied to the identification of optical transients associated to gravitational wave events. Each technique is assessed based on the scoring metrics of Precision, Recall, and their harmonic mean F1, measured on the DIA results as standalone techniques, and also in the results after the application of ML algorithms, on transient source injections over simulated and real data. These simulations cover a wide range of instrumental configurations, as well as a variety of scenarios of observation conditions, by exploring a multi dimensional set of relevant parameters, allowing us to extract general conclusions related to the identification of transient astrophysical events. The newest subtraction techniques, and particularly the methodology published in Zackay et al., (2016) are implemented on an Open Source Python package, named properimage, suitable for many other astronomical image analyses. This together, with the ML libraries we describe, provides an effective transient detection software pipeline. Here we study the effects of the different ML techniques, and the relative feature importances for classification of transient candidates, and propose an optimal combined strategy. This constitutes the basic elements of pipelines that could be applied in searches of electromagnetic counterparts to GW sources. Fil: Sánchez, Bruno Orlando. 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: Dominguez Romero, Mariano Javier de Leon. 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 Fil: Beroiz, Martin Isidro Ramon. University of Texas; Estados Unidos Fil: Cabral, Juan Bautista. 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 Rosario. Facultad de Ciencias Exactas, Ingeniería y Agrimensura; Argentina Fil: Gurovich, Sebastian. 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: Quiñones, Cecilia. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba; Argentina Fil: Artola, Rodolfo Alfredo. Universidad Nacional de Córdoba. Observatorio Astronómico de Córdoba; Argentina Fil: Colazo, Carlos A.. 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: Schneiter, Ernesto Matías. 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: Girardini, Carla. 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: Tornatore, Marina. 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: Nilo Castellón, José Luis. Universidad de La Serena; Chile Fil: Garcia Lambas, Diego Rodolfo. 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: Díaz, Mario Coma. University of Texas At Brownsville. Center for Gravitational Wave Astronomy; Estados Unidos |
| description |
We present a comparison of several Difference Image Analysis (DIA) techniques, in combination with Machine Learning (ML) algorithms, applied to the identification of optical transients associated to gravitational wave events. Each technique is assessed based on the scoring metrics of Precision, Recall, and their harmonic mean F1, measured on the DIA results as standalone techniques, and also in the results after the application of ML algorithms, on transient source injections over simulated and real data. These simulations cover a wide range of instrumental configurations, as well as a variety of scenarios of observation conditions, by exploring a multi dimensional set of relevant parameters, allowing us to extract general conclusions related to the identification of transient astrophysical events. The newest subtraction techniques, and particularly the methodology published in Zackay et al., (2016) are implemented on an Open Source Python package, named properimage, suitable for many other astronomical image analyses. This together, with the ML libraries we describe, provides an effective transient detection software pipeline. Here we study the effects of the different ML techniques, and the relative feature importances for classification of transient candidates, and propose an optimal combined strategy. This constitutes the basic elements of pipelines that could be applied in searches of electromagnetic counterparts to GW sources. |
| publishDate |
2019 |
| dc.date.none.fl_str_mv |
2019-07 |
| 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/11336/123804 Sánchez, Bruno Orlando; Dominguez Romero, Mariano Javier de Leon; Lares Harbin Latorre, Marcelo; Beroiz, Martin Isidro Ramon; Cabral, Juan Bautista; et al.; Machine learning on difference image analysis: A comparison of methods for transient detection; Elsevier; Astronomy and Computing; 28; 7-2019; 1-17; 100284 2213-1337 CONICET Digital CONICET |
| url |
http://hdl.handle.net/11336/123804 |
| identifier_str_mv |
Sánchez, Bruno Orlando; Dominguez Romero, Mariano Javier de Leon; Lares Harbin Latorre, Marcelo; Beroiz, Martin Isidro Ramon; Cabral, Juan Bautista; et al.; Machine learning on difference image analysis: A comparison of methods for transient detection; Elsevier; Astronomy and Computing; 28; 7-2019; 1-17; 100284 2213-1337 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.sciencedirect.com/science/article/pii/S2213133718300982?via%3Dihub info:eu-repo/semantics/altIdentifier/url/https://arxiv.org/abs/1812.10518 info:eu-repo/semantics/altIdentifier/doi/10.1016/j.ascom.2019.05.002 |
| dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-nd/2.5/ar/ |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-nd/2.5/ar/ |
| dc.format.none.fl_str_mv |
application/pdf application/pdf application/pdf application/pdf |
| dc.publisher.none.fl_str_mv |
Elsevier |
| publisher.none.fl_str_mv |
Elsevier |
| 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_ |
1844613896973844480 |
| score |
13.070432 |