Machine-learning Approach to Identification of Coronal Holes in Solar Disk Images and Synoptic Maps
Machine-learning Approach to Identification of Coronal Holes in Solar Disk Images and Synoptic Maps
复制标题
识别日盘图像和天气图中日冕洞的机器学习方法
DOI：
10.3847/1538-4357/abb94d
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Tlatov, Andrey
中科院分区：
文献类型：
--
作者：
Illarionov, Egor;Kosovichev, Alexander;Tlatov, Andrey
登录
查看更多内容
太阳活动周期 21 至 23 中的冕洞
影响因子：
2.8
作者：
A. Tlatov;K. Tavastsherna;V. Vasil’eva
通讯作者：
V. Vasil’eva
来自 SOHO/EIT 和 SDO/AIA 的新均质太阳能 EUV 天气图数据集
影响因子：
2.8
作者：
A. Hamada;T. Asikainen;K. Mursula
通讯作者：
K. Mursula
基于太阳动力学观测站 (SDO) 数据的极冕洞内外磁通量演化
影响因子：
0.6
作者：
E. Benevolenskaya
通讯作者：
E. Benevolenskaya
影响因子：
2.8
作者：
Abramenko, Valentyna;Yurchyshyn, Vasyl;Watanabe, Hiroko
通讯作者：
Watanabe, Hiroko
影响因子：
2.8
作者：
Webber, S. A. Hess;Karna, N.;Kirk, M. S.
通讯作者：
Kirk, M. S.