Уважаемые коллеги, доброго времени суток! Представляем вам нидерландское научное издание New Astronomy Reviews. Журнал имеет первый квартиль, издается в Elsevier, его SJR за 2022 г. равен 2,825, импакт-фактор 6, электронный ISSN - 1387-6473, предметные области - Астрономия и астрофизика, Науки о планетах. Вот так выглядит обложка:
Редактором является Кэти Кларк, контактные данные - cclarke@ast.cam.ac.uk.
К публикации принимаются обзорные статьи по всем областям астрономии и астрофизики: теоретическим, наблюдательным и инструментальным. Этот международный обзорный журнал предназначен для широкой аудитории профессиональных астрономов и астрофизиков. Журнал охватывает физику Солнца, планетные системы, звездную, галактическую и внегалактическую астрономию и астрофизику, а также космологию. New Astronomy Reviews также открыт для предложений, охватывающих междисциплинарные и новые темы, такие, как астробиология, физика астрочастиц и астрохимия.
Адрес издания - https://www.sciencedirect.com/journal/new-astronomy-reviews
Пример статьи, название - Advances on the morphological classification of radio galaxies: A review. Заголовок (Abstract) - Modern radio telescopes will generate, on a daily basis, data sets on the scale of exabytes for systems like the Square Kilometre Array (SKA). Massive data sets are a source of unknown and rare astrophysical phenomena that lead to discoveries. Nonetheless, this is only plausible with the exploitation of machine learning to complement human-aided and traditional statistical techniques. Recently, there has been a surge in scientific publications focusing on the use of machine/deep learning in radio astronomy, addressing challenges such as source extraction, morphological classification, and anomaly detection. This study provides a comprehensive and concise overview of the use of machine learning techniques for the morphological classification of radio galaxies. It summarizes the recent literature on this topic, highlighting the main challenges, achievements, state-of-the-art methods, and the future research directions in the field. The application of machine learning in radio astronomy has led to a new paradigm shift and a revolution in the automation of complex data processes. However, the optimal exploitation of machine/deep learning in radio astronomy, calls for continued collaborative efforts in the creation of high-resolution annotated data sets. This is especially true in the case of modern telescopes like MeerKAT and the LOw-Frequency ARray (LOFAR). Additionally, it is important to consider the potential benefits of utilizing multi-channel data cubes and algorithms that can leverage massive datasets without relying solely on annotated datasets for radio galaxy classification.
Keywords: Survey; Image processing; Machine learning; Deep learning; Source extraction; Galaxies: active