Now showing items 1-1 of 1

  • Henghes, Ben; Lahav, Ofer; Gerdes, David W.; Lin, H. W.; Morgan, R.; Abbott, T. M. C.; Aguena, M.; Allam, S.; Annis, J.; Avila, S.; Bertin, E.; Brooks, D.; Burke, D. L.; Carnero Rosell, A.; Carrasco Kind, M.; Carretero, J.; Conselice, C.; Costanzi, M.; Da Costa, L. N.; De Vicente, J.; Desai, S.; Diehl, H. T.; Doel, P.; Everett, S.; Ferrero, Ismael; Frieman, J.; García-Bellido, Juan; Gaztanaga, E.; Gruen, D.; Gruendl, Robert A.; Gschwend, J.; Gutierrez, G.; Hartley, W. G.; Hinton, S. R.; Honscheid, K.; Hoyle, B.; James, D. J.; Kuehn, K.; Kuropatkin, N.; Marshall, Jennifer L.; Melchior, P.; Menanteau, F.; Miquel, R.; Ogando, R. L. C.; Palmese, Antonella; Paz-Chinchón, Francisco; Plazas, Andrés A.; Romer, A. K.; Sánchez, C.; Sanchez, E.; Scarpine, V.; Schubnell, M.; Serrano, S.; Smith, M.; Soares-Santos, M; Suchyta, E.; Tarle, G.; To, C.; Wilkinson, R. D. (Journal article / Tidsskriftartikkel / AcceptedVersion; Peer reviewed, 2020)
    In this paper we investigate how implementing machine learning could improve the efficiency of the search for Trans-Neptunian Objects (TNOs) within Dark Energy Survey (DES) data when used alongside orbit fitting. The ...