Use este identificador para citar ou linkar para este item: http://repositorio.ufes.br/handle/10/10543
Título: Aprendizagem de máquina aplicada a métodos de classificação de supernovas.
Autor(es): SILVA, R. D.
Orientador: MARRA, V.
Coorientador: CASARINI, L.
Palavras-chave: Aprendizagem de máquina
Supernova
Universo
Data do documento: 6-Set-2018
Editor: Universidade Federal do Espírito Santo
Citação: SILVA, R. D., Aprendizagem de máquina aplicada a métodos de classificação de supernovas.
Resumo: Futuras 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.
URI: http://repositorio.ufes.br/handle/10/10543
Aparece nas coleções:PPGFIS - Dissertações de mestrado

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
tese_12581_Dissertação final Rodrigo Duarte Silva - 3.pdf9.87 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.