Finding high-redshift strong lenses in DES using convolutional neural networks

C. Jacobs, T. Collett, K. Glazebrook, C. McCarthy, A. K. Qin, T. M.C. Abbott, F. B. Abdalla, J. Annis, S. Avila, K. Bechtol, E. Bertin, D. Brooks, E. Buckley-Geer, D. L. Burke, A. Carnero Rosell, M. Carrasco Kind, J. Carretero, L. N. Da Costa, C. Davis, J. De VicenteS. Desai, H. T. Diehl, P. Doel, T. F. Eifler, B. Flaugher, J. Frieman, J. García-Bellido, E. Gaztanaga, D. W. Gerdes, D. A. Goldstein, D. Gruen, R. A. Gruendl, J. Gschwend, G. Gutierrez, W. G. Hartley, D. L. Hollowood, K. Honscheid, B. Hoyle, D. J. James, K. Kuehn, N. Kuropatkin, O. Lahav, T. S. Li, M. Lima, H. Lin, M. A.G. Maia, P. Martini, C. J. Miller, R. Miquel, B. Nord, A. A. Plazas, E. Sanchez, V. Scarpine, M. Schubnell, S. Serrano, I. Sevilla-Noarbe, M. Smith, M. Soares-Santos, F. Sobreira, E. Suchyta, M. E.C. Swanson, G. Tarle, V. Vikram, A. R. Walker, Y. Zhang, J. Zuntz

Research output: Contribution to journalArticleResearch

23 Citations (Scopus)

Fingerprint

Dive into the research topics of 'Finding high-redshift strong lenses in DES using convolutional neural networks'. Together they form a unique fingerprint.

Physics & Astronomy

Earth & Environmental Sciences