Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
 
 
DownloadE-Mail
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  Predicting the neutral hydrogen content of galaxies from optical data using machine learning

Rafieferantsoa, M., Andrianomena, S., & Davé, R. (2018). Predicting the neutral hydrogen content of galaxies from optical data using machine learning. Monthly Notices of the Royal Astronomical Society, 479(4), 4509-4525. doi:10.1093/mnras/sty1777.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/21.11116/0000-0002-0AF1-3 Versions-Permalink: https://hdl.handle.net/21.11116/0000-0002-0AF2-2
Genre: Zeitschriftenartikel

Dateien

einblenden: Dateien
ausblenden: Dateien
:
rafieferantsoa2.pdf (beliebiger Volltext), 3MB
 
Datei-Permalink:
-
Name:
rafieferantsoa2.pdf
Beschreibung:
-
OA-Status:
Sichtbarkeit:
Privat
MIME-Typ / Prüfsumme:
application/pdf
Technische Metadaten:
Copyright Datum:
-
Copyright Info:
-
Lizenz:
-

Externe Referenzen

einblenden:

Urheber

einblenden:
ausblenden:
 Urheber:
Rafieferantsoa, Mika1, Autor           
Andrianomena, Sambatra, Autor
Davé, Romeel, Autor
Affiliations:
1Computational Structure Formation, MPI for Astrophysics, Max Planck Society, ou_2205642              

Inhalt

einblenden:

Details

einblenden:
ausblenden:
Sprache(n): eng - English
 Datum: 2018-10
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: Expertenbegutachtung
 Identifikatoren: DOI: 10.1093/mnras/sty1777
 Art des Abschluß: -

Veranstaltung

einblenden:

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: Monthly Notices of the Royal Astronomical Society
  Kurztitel : Mon. Not. Roy. Astron. Soc.
Genre der Quelle: Zeitschrift
 Urheber:
Affiliations:
Ort, Verlag, Ausgabe: -
Seiten: - Band / Heft: 479 (4) Artikelnummer: - Start- / Endseite: 4509 - 4525 Identifikator: ISSN: 0035-8711
ISSN: 1365-8711