OVERLAP HISTÓRICO
Curiosamente, creo que ha habido algunas referencias de astronomía que la visión por computadora ha utilizado en el pasado. Fotogrametría de Google, rectificación y ajuste de paquetes con astronomía como palabra clave. Los científicos de la astronomía tuvieron que diseñar una serie de cosas que son relevantes para la visión por computadora, particularmente rectificar, unir y ajustar imágenes de los telescopios. Utilizaron estos sensores CMOS enormes y costosos y unieron imágenes grandes mucho antes de que fuera común en CV. Entonces hay una superposición histórica entre los dos campos.
Referencias
En cuanto al uso de ML para aplicaciones de astronomía, aquí hay un ejemplo del uso de SVM para la búsqueda de supernovas.
http://vis.lbl.gov/~romano/pubs/…
PCA para detección de objetos y clasificación de estrellas / galaxias. Esto es interesante porque comparan 2 arquitecturas diferentes para la detección de características y el aprendizaje.
http://www.cs.cuhk.hk/~lxu/paper…
- ¿Cómo empiezo a aprender informática distribuida?
- ¿Cuáles son los mejores recursos para aprender visión por computadora para alguien con experiencia en álgebra lineal y de probabilidad (y un poco en aprendizaje automático)? El libro "Visión por computadora: algoritmos y aplicaciones" no es muy amigable para principiantes.
- ¿Cuáles son algunas preguntas de investigación abiertas relacionadas con la realidad virtual?
- ¿Cuáles son los mejores trabajos de investigación, blogs u otros escritos perspicaces sobre el ecosistema bitcoin?
- Cómo juzgar la novedad de mi investigación de sistemas informáticos y qué hace que un algoritmo o diseño de sistema sea novedoso
NERSC LAB, ML, Cosmología computacional
http://www.nersc.gov/assets/Scie…
http://newscenter.lbl.gov/featur…
Arquitectura, ingeniería y tuberías para detección http://www.caastro.org/uploads/c…
http://arxiv.org/pdf/1201.3130.pdf
Este es un tesoro de documentos recientes (2011) para software y análisis de datos de datos astronómicos:
ftp://ftp.eso.org/projects/adass…
CAMINO DELANTE
Investigue los laboratorios que tienen telescopios activos o acceso a dichos datos. Podrías mirar el problema del reconocimiento de patrones de datos astronómicos que sospecho que está muy investigado, pero probablemente podría usar más talento para trabajar.
Hay datos y más información disponible aquí:
http://vis.lbl.gov/Events/SC07/D…
Es una búsqueda que vale la pena, ya que las habilidades requieren procesamiento de señales y algoritmos de aprendizaje en datos a gran escala. Esas habilidades son valiosas en muchos dominios. Además, es emocionante ya que ML puede ayudar a los investigadores a aprender más sobre los fundamentos del universo mismo.
¡Mucha suerte y manténganos actualizados sobre su progreso en Quora!