Benutzer: Gast  Login
Originaltitel:
Machine learning strong lensing
Übersetzter Titel:
Maschinelles Lernen für starke Linsen
Autor:
Schuldt, Stefan
Jahr:
2022
Dokumenttyp:
Dissertation
Fakultät/School:
Fakultät für Physik
Betreuer:
Suyu, Sherry (Prof. Dr.)
Gutachter:
Suyu, Sherry (Prof. Dr.); Hillebrandt, Wolfgang (Prof. Dr.)
Sprache:
en
Fachgebiet:
PHY Physik
Stichworte:
strong gravitational lensing, lens modeling, machine learning, deep learning, redshift, photometric redshift
Übersetzte Stichworte:
starke Gravitationslinsen, Linsenmodellierung, maschinelles Lernen, deep learning, Rotverschiebung, photometrische Rotverschiebung
TU-Systematik:
PHY 980
Kurzfassung:
The main focus of the dissertation is the development of a neural network to model fast and autonomusly strong gravitational lenses. For generating realistic training data, we developed a simulation pipeline that accepts real observed images, simulating only the gravitational lensing effect. We have further carried out a dedicated comparison on real lenses to traditionally obtained models. Besides this, we present NetZ, a photo-z network using a novel approach.
Übersetzte Kurzfassung:
Der Hauptfokus der Dissertation liget auf der Entwicklung eines neuronalen Netzwerkes um schnell und autonom starke Gravitationslinsen zu modellieren. Um realistische Trainingsdaten zu erzeugen, haben wir einen Code entwickelt der echt beobachtete Bilder akzeptiert und nur den Gravitationslinseneffekt simuliert. Wir haben an realen Linsen einen Vergleich zu traditionell erhaltenen Modelle durch durchgeführt. Zudem präsentieren wir NetZ, ein photo-z Netzwerk mit einem neuartigen Ansatzes.
WWW:
https://mediatum.ub.tum.de/?id=1637147
Eingereicht am:
20.12.2021
Mündliche Prüfung:
17.02.2022
Dateigröße:
15759287 bytes
Seiten:
250
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20220217-1637147-1-4
Letzte Änderung:
05.04.2022
 BibTeX