The Herschel Multi-Tiered Extragalactic Survey: Source Extraction and Cross-Identifications in Confusion-Dominated SPIRE Images
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We present the cross-identification and source photometry techniques used to process Herschel SPIRE imaging taken as part of the Herschel Multi-Tiered Extragalactic Survey (HerMES). Cross-identifications are performed in map-space so as to minimize source-blending effects. We make use of a combination of linear inversion and model selection techniques to produce reliable cross-identification catalogues based on Spitzer MIPS 24-μm source positions. Testing on simulations and real Herschel observations shows that this approach gives robust results for even the faintest sources (S250~ 10 mJy). We apply our new technique to HerMES SPIRE observations taken as part of the science demonstration phase of Herschel. For our real SPIRE observations, we show that, for bright unconfused sources, our flux density estimates are in good agreement with those produced via more traditional point source detection methods (SUSSEXtractor) by Smith et al. When compared to the measured number density of sources in the SPIRE bands, we show that our method allows the recovery of a larger fraction of faint sources than these traditional methods. However, this completeness is heavily dependent on the relative depth of the existing 24-μm catalogues and SPIRE imaging. Using our deepest multiwavelength data set in the GOODS-N, we estimate that the use of shallow 24-μm catalogues in our other fields introduces an incompleteness at faint levels of between 20-40 per cent at 250 μm. © 2010 The Authors. Journal compilation © 2010 RAS.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle