Please use this identifier to cite or link to this item: http://repositorio.ufes.br/handle/10/10543
Title: Aprendizagem de máquina aplicada a métodos de classificação de supernovas.
metadata.dcterms.creator: SILVA, R. D.
metadata.dcterms.subject: Aprendizagem de máquina;Supernova;Universo;
metadata.dcterms.issued: 6-Sep-2018
Publisher: Universidade Federal do Espírito Santo
metadata.dcterms.abstract: 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
Appears in Collections:PPGFIS - Dissertações de mestrado

Files in This Item:
File Description SizeFormat 
tese_12581_Dissertação final Rodrigo Duarte Silva - 3.pdf9.87 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.