La fuente de energía de las galaxias vista desde el machine learning : clasificación usando los espectros de Spitzer

En el presente texto se documentan los resultados de la investigación respecto a la fuente de la energía de las galaxias estudiada con el machine learning. Se quiso dividir la distribución energética galáctica en dos: cuando proviene de un núcleo activo (AGN, Active Galactic Nuclei) o cuando proviene de la formación estelar. Se toma como un núcleo activo a un agujero negro supermasivo acreciente en el núcleo de dicha galaxia. Esto hace que la emisión energética sea diferente a cuando es dada por la formación estelar, que requiere que la energía de la galaxia provenga mayoritariamente del proceso en el que se forman las estrellas. Para hacer esto se tomó la base de datos CASSIS, que consta de los datos obtenidos por el telescopio Spitzer. Entre estos datos existían, además de los de interés, objetos astronómicos como estrellas, asteroides y cometas, por lo que se tuvo que hacer inicialmente una limpieza de datos, que además incluyó rellenar datos no conocidos. Dichos datos se dividieron en dos. Los primeros, de entrenamiento, se introdujeron en el classification learner de MATLAB donde se obtuvieron diferentes métodos de machine learning para implementar y se observó la precisión de cada uno, además de hallar el coeficiente de correlación de Matthews, la matriz de confusión y el f-score de cada uno para conocer cuál era el mejor método. Posteriormente, se tomaron los 3 mejores modelos, que fueron las neural networks, ensemble y trees, y se validó su funcionamiento con el segundo grupo de datos, que fueron de validación.

• Autores: Elneser Tejeda, Andrea Carolina
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2022
• Institución: Pontificia Universidad Javeriana
• Repositorio: Repositorio Universidad Javeriana
• Idioma: spa
• OAI Identifier: oai:repository.javeriana.edu.co:10554/65239
• Acceso en línea: http://hdl.handle.net/10554/65239
• Palabra clave: Aprendizaje de máquina; Galaxias; AGN; Formación estelar; Emisión energética; Telescopio Spitzer; Machine learning; Galaxies; AGN; Stellar formation; Energy emission; Spitzer telescope; Ingeniería electrónica - Tesis y disertaciones académicas; *
• Rights: openAccess
• License: Atribución-NoComercial-SinDerivadas 4.0 Internacional