Get started
Work

Aprendizagem de máquina aplicada a métodos de classificação de supernovas

Year: 2018
Type: dissertation
Abstract: Agradecimentos especiais a Dr. Michelle Lochner do AIMS (African Institute for Mathematical Science), por ter disponibilizado o código de análise para modificações, e ao Dr. Ribamar Rondon de Rezende dos Reis, professor do Instituto de Física da Universidade Federal do Rio de Janeiro, por ajudar com as simulações no SNANA.Agradeço à minha familia e amigos, por todo o apoio e incentivo.Aos membros da banca examinadora, ao PPGFis, ao PRPPG-UFES e à CAPES, muito obrigado!O presente trabalho foi realizado com apoio da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior -Brasil (CAPES) -Código de Financiamento 001."What we know is a drop; what we don't know is an ocean".Issac Newton ResumoFuturas pesquisas observacionais com investimentos, telescópios e tecnologias nunca antes vistos, estão sendo propostas na tentativa de se desvendar os mistérios do Universo.Em nosso trabalho, fornecemos um panorama desse cenário, com especial atenção para a classificação de supernovas que será feita pelo LSST (Large Synoptic Survey Telescope) a partir de 2022.Inicialmente introduzimos a física que envolve o evento de Supernovas e sua observação, com o objetivo de tratar o problema da classificação fotométrica de supernovas didaticamente.Fornecemos importantes referências no uso de diferentes aprendizagens de máquina e redes neurais para esse propósito.Incluímos resultados do uso de alguns dos métodos computacionais e a teoria por trás deles, destacando suas potencialidades e vunerabilidades.Os métodos de aprendizagem de máquina podem envolver supervisão ou não.Objetivamos descrever a aplicação destas poderosas ferramentas, na análise de dados observacionais e verificamos resultados inesperados.
Authors: Silva, Rodrigo Duarte, 0000000226294436
Language: Portuguese
Open Access status: green
OpenAlex ID: W7026967297
Cites: 24
Cited by:
Related to: 10