1. Identificação | |
Tipo de Referência | Tese ou Dissertação (Thesis) |
Site | mtc-m21b.sid.inpe.br |
Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S |
Identificador | 8JMKD3MGP3W34P/3LHG4GE |
Repositório | sid.inpe.br/mtc-m21b/2016/04.20.20.44 |
Última Atualização | 2016:08.16.18.39.50 (UTC) marcelo.pazos@inpe.br |
Repositório de Metadados | sid.inpe.br/mtc-m21b/2016/04.20.20.44.34 |
Última Atualização dos Metadados | 2018:06.04.02.40.43 (UTC) administrator |
Chave Secundária | INPE-17718-TDI/2471 |
Chave de Citação | Módolo:2016:ClAuSu |
Título | Classificação automática de supernovas usando redes neurais artificiais |
Título Alternativo | Supernovae automatic classification using artificial neural networks |
Curso | CAP-COMP-SPG-INPE-MCTI-GOV-BR |
Ano | 2016 |
Data | 2016-05-04 |
Data de Acesso | 25 abr. 2024 |
Tipo da Tese | Tese (Doutorado em Computação Aplicada) |
Tipo Secundário | TDI |
Número de Páginas | 230 |
Número de Arquivos | 1 |
Tamanho | 4174 KiB |
|
2. Contextualização | |
Autor | Módolo, Marcelo |
Grupo | CAP-COMP-SPG-INPE-MCTI-GOV-BR |
Banca | Becceneri, José Carlos (presidente) Guimarães, Lamartine Nogueira Frutuoso (orientador) Rosa, Reinaldo Roberto (orientador) Stephany, Stephan Coelho, Paula Rodrigues Teixeira Shiguemori, Elcio Hideiti |
Endereço de e-Mail | marmodolo@hotmail.com |
Universidade | Instituto Nacional de Pesquisas Espaciais (INPE) |
Cidade | São José dos Campos |
Histórico (UTC) | 2016-04-25 11:34:07 :: marmodolo@hotmail.com -> yolanda :: 2016-05-04 14:42:18 :: yolanda -> administrator :: 2016-06-04 05:08:27 :: administrator -> marmodolo@hotmail.com :: 2016-06-20 17:56:09 :: marmodolo@hotmail.com -> yolanda.souza@mcti.gov.br :: 2016-06-30 11:06:17 :: yolanda.souza@mcti.gov.br -> marmodolo@hotmail.com :: 2016-06-30 13:12:52 :: marmodolo@hotmail.com -> administrator :: 2016-07-11 18:52:53 :: administrator -> simone :: 2016-07-11 18:53:15 :: simone -> administrator :: 2016-07-11 22:09:08 :: administrator -> yolanda.souza@mcti.gov.br :: 2016-08-11 11:53:37 :: yolanda.souza@mcti.gov.br -> marcelo.pazos@inpe.br :: 2016-08-16 17:46:08 :: marcelo.pazos@inpe.br :: -> 2016 2016-08-16 18:40:29 :: marcelo.pazos@inpe.br -> administrator :: 2016 2018-06-04 02:40:43 :: administrator -> :: 2016 |
|
3. Conteúdo e estrutura | |
É a matriz ou uma cópia? | é a matriz |
Estágio do Conteúdo | concluido |
Transferível | 1 |
Palavras-Chave | classificação automática de supernovas análise do espectro de supernovas classificação de supernovas a partir da análise do espectro tipos de supernovas redes neurais artificiais inteligência computacional supernovae automatic classification supernovae spectrum analysis supernovae classification from spectrum analysis supernovae types artificial neural network computational intelligence |
Resumo | A classificação de supernovas pode ser feita por especialistas humanos a partir da análise visual do seu espectro, mas não é trivial. Apenas alguns astrônomos especialistas são capazes de fazê-lo e com a subjetividade inerente à percepção humana. Os classificadores automáticos existentes não fazem a modelagem usando a forma humana de analisar o espectro para classificar supernovas. Eles somente comparam a similaridade do espectro da supernova recém-descoberta com os espectros de supernovas que já foram classificadas. Este trabalho propõe um método de classificação automática de supernovas baseado em Inteligência Computacional que simula a maneira humana de análise do espectro, mas fazendo uma classificação mais formal e menos propensa a subjetividade da análise humana. O paradigma básico é a forma como os seres humanos fazem a análise, mas o classificador automático utiliza redes neurais artificiais para analisar o espectro e identificar a presença ou ausência de elementos que determinam o tipo supernova. Quatro Redes Neurais Perceptron de Múltiplas Camadas foram construídas. Uma rede neural para identificar cada tipo ${''}$clássico${''}$ de supernova: Ia, Ib, Ic e II. O classificador foi testado em uma base com 649 espectros de 221 supernovas e os resultados foram muito bons, alcançando 99,2\% de acerto na identificação de supernovas do tipo Ia. Isso indica que a classificação realizada por este método pode ser utilizada em situações onde não existe um especialista ou onde seja necessária uma análise automática, sistemática e contínua. A ferramenta desenvolvida neste trabalho foi denominada CIntIa, sigla para Classificador Inteligente de supernovas do tipo Ia. ABSTRACT: The supernova classification performed by human experts from visual analysis of its spectrum is not trivial. Only few expert astronomers are able to do so, and only fewer than those attempt to remove the subjectivity inherent to human perception from that analysis. The existing automatic classifiers did not model the human way of analyzing the spectrum to classify supernovas. They only compare the spectrum similarity of newfound supernova with spectra of supernovae already classified. The supernovae classification automatic method proposed here is based on Computational Intelligence, and simulates the human spectrum analysis, making it a more formal classification and less prone to subjectivity of the human itself. The basic paradigm is the way humans perform the analysis. The automatic classifier uses artificial neural networks to analyze the spectrum and identify the presence or absence of elements that determine the supernova type. Four Multilayer Perceptron Neural Network were built. One neural network to identify each "classic" type of supernova: Ia, Ib, Ic and II. The classifier was tested on a database with 649 spectra of 221 different supernovae. The results are very good, reaching 99.2\% accuracy in identifying the type Ia supernovae. They indicate that the classification performed by this method can be used in situations, or that have no specialist around, or that require an automatic, systematic and continuous analysis. The tool developed in this work is named CIntIa, from the Portuguese language Classificador Inteligente de supernovas do tipo Ia, or Type Ia Supernovas Intelligent Classifier. |
Área | COMP |
Arranjo | urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > CAP > Classificação automática de... |
Conteúdo da Pasta doc | acessar |
Conteúdo da Pasta source | originais/@4primeirasPaginas-6.pdf | 06/07/2016 14:49 | 186.2 KiB | originais/Avaliação final pag 2 aluno Marcelo Módolo.pdf | 27/06/2016 15:40 | 30.0 KiB | originais/Tese INPE Marcelo Módolo Versão Final.docx | 04/07/2016 09:05 | 8.5 MiB | originais/Tese INPE Marcelo Módolo Versão Final.pdf | 06/07/2016 14:51 | 3.8 MiB | |
Conteúdo da Pasta agreement | |
|
4. Condições de acesso e uso | |
URL dos dados | http://urlib.net/ibi/8JMKD3MGP3W34P/3LHG4GE |
URL dos dados zipados | http://urlib.net/zip/8JMKD3MGP3W34P/3LHG4GE |
Idioma | pt |
Arquivo Alvo | publicacao.pdf |
Grupo de Usuários | administrator marcelo.pazos@inpe.br marmodolo@hotmail.com yolanda.souza@mcti.gov.br |
Grupo de Leitores | administrator marcelo.pazos@inpe.br marmodolo@hotmail.com simone yolanda.souza@mcti.gov.br |
Visibilidade | shown |
Licença de Direitos Autorais | urlib.net/www/2012/11.12.15.10 |
Detentor da Cópia | SID/SCD |
Permissão de Leitura | allow from all |
Permissão de Atualização | não transferida |
|
5. Fontes relacionadas | |
Repositório Espelho | sid.inpe.br/mtc-m21b/2013/09.26.14.25.22 |
Unidades Imediatamente Superiores | 8JMKD3MGPCW/3F2PHGS |
Lista de Itens Citando | |
Acervo Hospedeiro | sid.inpe.br/mtc-m21b/2013/09.26.14.25.20 |
|
6. Notas | |
Campos Vazios | academicdepartment affiliation archivingpolicy archivist callnumber contenttype creatorhistory descriptionlevel dissemination doi electronicmailaddress format isbn issn label lineage mark nextedition notes number orcid parameterlist parentrepositories previousedition previouslowerunit progress resumeid rightsholder schedulinginformation secondarydate secondarymark session shorttitle sponsor subject tertiarymark tertiarytype url versiontype |
|