Deep Learning in Solar Astronomy (eBook)

Deep Learning in Solar Astronomy (eBook)

Yan YihuaXu LongHuang Xin
Yan YihuaXu LongHuang Xin
Prezzo:
€ 51,47
Compra EPUB
Prezzo:
€ 51,47
Compra EPUB

Formato

:
EPUB
Cloud: Scopri di più
Lingua: en
Editore: Springer
Collana: SpringerBriefs in Computer Science
Codice EAN: 9789811927461
Anno pubblicazione: 2022
Scopri QUI come leggere i tuoi eBook

Note legali

NOTE LEGALI

a) Garanzia legale, Pagamenti, Consegne, Diritto di recesso
b) Informazioni sul prezzo
Il prezzo barrato corrisponde al prezzo di vendita al pubblico al lordo di IVA e al netto delle spese di spedizione
Il prezzo barrato dei libri italiani corrisponde al prezzo di copertina.
I libri in inglese di Libraccio sono di provenienza americana o inglese.
Libraccio riceve quotidianamente i prodotti dagli USA e dalla Gran Bretagna, pagandone i costi di importazione, spedizione in Italia ecc.
Il prezzo in EURO è fissato da Libraccio e, in alcuni casi, può discostarsi leggermente dal cambio dollaro/euro o sterlina/euro del giorno. Il prezzo che pagherai sarà quello in EURO al momento della conferma dell'ordine.
In ogni caso potrai verificare la convenienza dei nostri prezzi rispetto ad altri siti italiani e, in moltissimi casi, anche rispetto all'acquisto su siti americani o inglesi.
c) Disponibilità
I termini relativi alla disponibilità dei prodotti sono indicati nelle Condizioni generali di vendita.

Disponibilità immediata
L'articolo è immediatamente disponibile presso Libraccio e saremo in grado di procedere con la spedizione entro un giorno lavorativo.
Nota: La disponibilità prevista fa riferimento a singole disponibilità.

Disponibile in giorni o settimane (ad es. "3-5-10 giorni", "4-5 settimane" )
L'articolo sarà disponibile entro le tempistiche indicate, necessarie per ricevere l'articolo dai nostri fornitori e preparare la spedizione.
Nota: La disponibilità prevista fa riferimento a singole disponibilità.

Prenotazione libri scolastici
Il servizio ti permette di prenotare libri scolastici nuovi che risultano non disponibili al momento dell'acquisto.

Attualmente non disponibile
L'articolo sarà disponibile ma non sappiamo ancora quando. Inserisci la tua mail dalla scheda prodotto attivando il servizio Libraccio “avvisami” e sarai contattato quando sarà ordinabile.

Difficile reperibilità
Abbiamo dei problemi nel reperire il prodotto. Il fornitore non ci dà informazioni sulla sua reperibilità, ma se desideri comunque effettuare l'ordine, cercheremo di averlo nei tempi indicati. Se non sarà possibile, ti avvertiremo via e-mail e l'ordine verrà cancellato.
Chiudi

Descrizione

The volume of data being collected in solar astronomy has exponentially increased over the past decade and we will be entering the age of petabyte solar data. Deep learning has been an invaluable tool exploited to efficiently extract key information from the massive solar observation data, to solve the tasks of data archiving/classification, object detection and recognition. Astronomical study starts with imaging from recorded raw data, followed by image processing, such as image reconstruction, inpainting and generation, to enhance imaging quality. We study deep learning for solar image processing. First, image deconvolution is investigated for synthesis aperture imaging. Second, image inpainting is explored to repair over-saturated solar image due to light intensity beyond threshold of optical lens. Third, image translation among UV/EUV observation of the chromosphere/corona, Ha observation of the chromosphere and magnetogram of the photosphere is realized by using GAN, exhibiting powerful image domain transfer ability among multiple wavebands and different observation devices. It can compensate the lack of observation time or waveband. In addition, time series model, e.g., LSTM, is exploited to forecast solar burst and solar activity indices. This book presents a comprehensive overview of the deep learning applications in solar astronomy. It is suitable for the students and young researchers who are major in astronomy and computer science, especially interdisciplinary research of them.