Radar mondial UDTR

UDTR — Radar mondial des droits de la Nature

Registre documentaire des références détectées à travers les infrastructures académiques, juridiques et institutionnelles surveillées par UDTR.

Une infrastructure documentaire mondiale conçue pour atteindre la couverture la plus large, vérifiable et scientifiquement défendable des droits de la Nature.

← Retour au Radar

Blazar classification from multi-wavelength data using Deep Learning

Identification

Clé publique
radar:r-7ecf107b04133fe85702d0b3b2ad03fe
Auteurs
Afroz, Saqlain · Mukherjee, Titir · Prince, Raj
Année déclarée
2025
Langue déclarée
und
Type source
Preprint
Première détection
2026-11-13T08:39:56.777682+00:00
Dernière observation des métadonnées
2026-11-13T08:39:56.777682+00:00
Dernière vérification HTTP
Non effectuée

Résumé documentaire — langue originale

The Fermi Large Area Telescope (Fermi-LAT) has detected more than 7,000 gamma-ray sources, a significant fraction of which are identified as blazars, while a comparable number remain classified as blazars of uncertain type (BCUs) or are unassociated with counterparts at other wavelengths. The absence of complete multi-wavelength spectral information presents a major obstacle to robust source classification, despite such data providing the most reliable means of understanding blazar properties. In this work, we focus on classifying BCUs into the two primary blazar subclasses, flat-spectrum radio quasars (FSRQs) and BL Lacertae objects (BL Lacs), using a feed-forward artificial neural network (ANN) trained on multi-wavelength observational parameters. We first identify the most informative features by quantifying their information content and then use these features to train the ANN, whose performance is evaluated using a k-fold cross-validation strategy to ensure robust generalization. The trained model is subsequently applied to classify BCUs into BL Lacs and FSRQs. Our results demonstrate that machine learning-based classification using a carefully selected set of multi-wavelength parameters offers an efficient and reliable approach for resolving the nature of BCUs and improving the completeness of the gamma-ray blazar population in Fermi-LAT catalogs.

Identifiants

DOI
10.48550/arxiv.2511.23134
ARXIV
2511.23134

Repères documentaires

Famille documentaire
unknown
Types déclarés par les sources
Preprint
Éditeurs
arXiv

Les mentions d’entités ne constituent pas une preuve de reconnaissance juridique. La juridiction étudiée est distincte du pays d’affiliation des auteurs.

Sources

DataCite · Document 1

Citer cette référence

Afroz, Saqlain; Mukherjee, Titir; Prince, Raj. Blazar classification from multi-wavelength data using Deep Learning. 2025. https://doi.org/10.48550/arxiv.2511.23134

JSON · CSL-JSON · BibTeX · RIS · CSV · JSON-LD ·

APA, Chicago, ISO 690 : formats bibliographiques fondés sur les champs disponibles. OSCOLA / Bluebook : données structurées uniquement ; aucune conformité juridique complète n’est revendiquée sans vérification des éléments nécessaires.

APA
Afroz, Saqlain; Mukherjee, Titir; Prince, Raj. (2025). Blazar classification from multi-wavelength data using Deep Learning. https://doi.org/10.48550/arxiv.2511.23134
Chicago
Afroz, Saqlain; Mukherjee, Titir; Prince, Raj. Blazar classification from multi-wavelength data using Deep Learning. 2025. https://doi.org/10.48550/arxiv.2511.23134
ISO 690
Afroz, Saqlain; Mukherjee, Titir; Prince, Raj. Blazar classification from multi-wavelength data using Deep Learning. 2025. https://doi.org/10.48550/arxiv.2511.23134

Warning: Undefined array key "last_link_verified" in /home/clients/e27d81e12f04d2bfd747aa264540ac56/sites/_UDTR_APP/legal_library_reference.php on line 31

UDTR — Bibliothèque juridique mondiale des droits de la Nature. Blazar classification from multi-wavelength data using Deep Learning. Notice documentaire: https://www.declarationuniverselledesdroitsdelarbre.org/global-rights-of-nature-radar/reference/r-7ecf107b04133fe85702d0b3b2ad03fe/ · Dernière vérification HTTP : non effectuée

Signaler une correction

Données de cette version figée

Dossiers et relations documentaires

Rôles des sources

Source bibliographique / publication d’origine · https://arxiv.org/abs/2511.23134

Un lien vers une autorité ne prouve pas à lui seul une affirmation juridique. Les résumés et les textes intégraux restent soumis aux conditions de leur source.

Statut documentaire

Pertinence à examiner

Bibliothèque

Cette identité n’est pas encore intégrée à la Bibliothèque juridique.

UDTR — Bibliothèque juridique mondiale des droits de la Nature