使用中红外处理和分析中心（IPAC），加利福尼亚理工学院操作的中型帕洛玛临时工厂（iPTF）的近实时瞬变源发现引擎（IDE），描述了该引擎，包括 PSF 匹配，图像减法，机器学习，引入了误识别、数据存储和团队合作。

Aug, 2016

本文介绍了一种基于深度学习的瞬变检测方法，该方法将传统的图像差分流程的所有步骤（图像对齐、背景减法、噪声消除、点扩散函数匹配和差分）封装到一个实时卷积神经网络中，它可以快速运行，优点在于可以同时处理多种 CCD, 能适应快速巡天等应用。

Oct, 2017

通过基本的统计学原理，我们开发了用于瞬变检测、通量测量和任何图像差异假设检验的最佳统计方法。这种方法具有数学上被证明是最佳瞬变检测统计方法的闭合型统计方法，并且对于准确注册、足够采样的图像不会产生减法或去卷积伪影，可以通过提供可信探测显著性使自动瞬变检测达到理论灵敏度极限，并且可以将粒子击中和其他图像伪像与真实瞬变区分开来。

Jan, 2016

Zwicky Transient Facility (ZTF) is a time-domain survey utilizing a unique image-differencing algorithm, sensitive photometry, and data-rich alert packets to detect and track variable sources of all varieties, in real time, for a wide range of scientific applications.

Feb, 2019

基于机器学习算法，自动发现具有变化的天空中的实体并进行科学分类的框架，适用于 Palomar 短暂工厂（PTF）调查和其他现代综合成像调查，最近一年的自主操作已导致几个重大的科学结果。

Jun, 2011

本文利用随机森林的监督学习算法识别光学图像中的点源暴变和移动物体，经过实验表明，这种算法可以大幅度减少肉眼搜索需求，同时只能损失极少的人工注入的 Ia 型超新星事件，可在未来时间域成像调查中指示管道设计决策。

Apr, 2015

本文介绍今日子望远镜 Hyper Suprime-Cam（HSC）仪器的光学成像数据处理流水线，该流水线基于大型统观巡天望远镜数据管理系统开发的原型流水线，添加了 HSC 自定义项，大规模处理功能和新颖算法，并将后者重新整合到 LSST 代码库中，主要设计用于降低 HSC Subaru 战略计划（SSP）数据，也是降低普通观察者 HSC 数据的推荐流水线，包括生成光合成像和科学准备目录的高级处理步骤以及低级数传和图像表征。

May, 2017

Zwicky Transient Facility (ZTF) 是一项新的光学时域巡天，使用 Palomar 48 英寸 Schmidt 望远镜，所采用的自定义广角相机提供了 47 平方度的视场和 8 秒的读出时间，相对于其前身巡天 Palomar Transient Factory（PTF），提高了一个数量级的观测速度。该研究描述了相机和观测系统的设计和实现，以及数据处理和分析方案，最终给出了 ZTF 的初步科学结果和性能分析。

Feb, 2019

通过基于 PCA 的机器学习算法对短暂成像数据进行分类，可以实现 96% 的完整度和 84% 的准确度，并且在未来的天文调查中将大力发展完全机器化的解决方案。

Jul, 2014

本文提出了两种基于神经网络的瞬变分类方法，并通过对真实观测数据的测试发现，这两种方法均可以达到超过 94％的分类准确度，但它们对于不同目标具有不同的分类特性。基于这一结果，我们建议使用集成学习方法进一步提高分类准确性至超过 97％。

Apr, 2019