1. RiUfes
2. CCE - Centro de Ciências Exatas
3. PPGFIS - Programa de Pós-Graduação em Física
4. PPGFIS - Dissertações de mestrado

Título:	Aprendizagem de máquina aplicada a métodos de classificação de supernovas
Autor(es):	Silva, Rodrigo Duarte
Orientador:	Marra, Valerio
Coorientador:	Casarini, Luciano
Palavras-chave:	Aprendizagem de máquina Supernova Universo Machine learning Universe
Data do documento:	6-Set-2018
Editor:	Universidade Federal do Espírito Santo
Citação:	SILVA, Rodrigo Duarte. Aprendizagem de máquina aplicada a métodos de classificação de supernovas. 2018. Dissertação (Mestrado em Física) – Programa de Pós-Graduação em Física, Universidade Federal do Espírito Santo, Vitória, 2018.
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. Future observational research with investments, telescopes and technologies never before seen, are being proposed in an attempt to unravel the mysteries of the Universe. In our work, we provide an overview of this scenario, with special attention to the classification of supernovae that will be done by LSST (Large Synoptic Survey Telescope) from 2022. Initially, we introduce the physics that involve the Supernova event and its observation, with the objective of treating the problem of photometric classification of supernovae. We provide important references in the use of different machine learning and neural networks for this purpose. We include results from the use of some of the computational methods and the theory behind them, highlighting their potentialities and vunerabilities. Machine learning methods may involve supervision or not. We aim to describe the application of these powerful tools in the analysis of observational data and verify unexpected results.
URI:	http://repositorio.ufes.br/handle/10/10543
Aparece nas coleções:	PPGFIS - Dissertações de mestrado

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