Diagramas y algoritmos de clasificación alternativos para distinguir el mecanismo de ionización presentes en galaxias tipo AGNs y Starburst
ilustraciones, diagramas
- Autores:
-
Quiazúa Merchán, Nelly Cristina
- Tipo de recurso:
- Fecha de publicación:
- 2024
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/86308
- Palabra clave:
- 520 - Astronomía y ciencias afines::522 - Técnicas, procedimientos, aparatos, equipos, materiales
000 - Ciencias de la computación, información y obras generales::005 - Programación, programas, datos de computación
520 - Astronomía y ciencias afines::523 - Cuerpos y fenómenos celestes específicos
Galaxias activas
AGN
Ionización
Disco de acreción
Líneas espectrales
Aprendizaje automático
Diagrama BPT
Modelos de identificación
Active galaxies
AGN
Ionization
Accretion disk
Spectral lines
Machine learning
BPT diagram
Identification models
línea espectral
ionización
astronomía galáctica
spectral line
ionization
galactic astronomy
- Rights
- openAccess
- License
- Reconocimiento 4.0 Internacional
| id |
UNACIONAL2_6f241bf31dea5dc4380708dc61749187 |
|---|---|
| oai_identifier_str |
oai:repositorio.unal.edu.co:unal/86308 |
| network_acronym_str |
UNACIONAL2 |
| network_name_str |
Universidad Nacional de Colombia |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Diagramas y algoritmos de clasificación alternativos para distinguir el mecanismo de ionización presentes en galaxias tipo AGNs y Starburst |
| dc.title.translated.eng.fl_str_mv |
Alternative diagrams and classification algorithms for distinguishing the ionization mechanisms present in AGN and Starburst type galaxies |
| title |
Diagramas y algoritmos de clasificación alternativos para distinguir el mecanismo de ionización presentes en galaxias tipo AGNs y Starburst |
| spellingShingle |
Diagramas y algoritmos de clasificación alternativos para distinguir el mecanismo de ionización presentes en galaxias tipo AGNs y Starburst 520 - Astronomía y ciencias afines::522 - Técnicas, procedimientos, aparatos, equipos, materiales 000 - Ciencias de la computación, información y obras generales::005 - Programación, programas, datos de computación 520 - Astronomía y ciencias afines::523 - Cuerpos y fenómenos celestes específicos Galaxias activas AGN Ionización Disco de acreción Líneas espectrales Aprendizaje automático Diagrama BPT Modelos de identificación Active galaxies AGN Ionization Accretion disk Spectral lines Machine learning BPT diagram Identification models línea espectral ionización astronomía galáctica spectral line ionization galactic astronomy |
| title_short |
Diagramas y algoritmos de clasificación alternativos para distinguir el mecanismo de ionización presentes en galaxias tipo AGNs y Starburst |
| title_full |
Diagramas y algoritmos de clasificación alternativos para distinguir el mecanismo de ionización presentes en galaxias tipo AGNs y Starburst |
| title_fullStr |
Diagramas y algoritmos de clasificación alternativos para distinguir el mecanismo de ionización presentes en galaxias tipo AGNs y Starburst |
| title_full_unstemmed |
Diagramas y algoritmos de clasificación alternativos para distinguir el mecanismo de ionización presentes en galaxias tipo AGNs y Starburst |
| title_sort |
Diagramas y algoritmos de clasificación alternativos para distinguir el mecanismo de ionización presentes en galaxias tipo AGNs y Starburst |
| dc.creator.fl_str_mv |
Quiazúa Merchán, Nelly Cristina |
| dc.contributor.advisor.spa.fl_str_mv |
Higuera Garzón, Mario Armando |
| dc.contributor.author.spa.fl_str_mv |
Quiazúa Merchán, Nelly Cristina |
| dc.contributor.researchgroup.spa.fl_str_mv |
SAGAN |
| dc.subject.ddc.spa.fl_str_mv |
520 - Astronomía y ciencias afines::522 - Técnicas, procedimientos, aparatos, equipos, materiales 000 - Ciencias de la computación, información y obras generales::005 - Programación, programas, datos de computación 520 - Astronomía y ciencias afines::523 - Cuerpos y fenómenos celestes específicos |
| topic |
520 - Astronomía y ciencias afines::522 - Técnicas, procedimientos, aparatos, equipos, materiales 000 - Ciencias de la computación, información y obras generales::005 - Programación, programas, datos de computación 520 - Astronomía y ciencias afines::523 - Cuerpos y fenómenos celestes específicos Galaxias activas AGN Ionización Disco de acreción Líneas espectrales Aprendizaje automático Diagrama BPT Modelos de identificación Active galaxies AGN Ionization Accretion disk Spectral lines Machine learning BPT diagram Identification models línea espectral ionización astronomía galáctica spectral line ionization galactic astronomy |
| dc.subject.proposal.spa.fl_str_mv |
Galaxias activas AGN Ionización Disco de acreción Líneas espectrales Aprendizaje automático Diagrama BPT Modelos de identificación |
| dc.subject.proposal.eng.fl_str_mv |
Active galaxies AGN Ionization Accretion disk Spectral lines Machine learning BPT diagram Identification models |
| dc.subject.wikidata.spa.fl_str_mv |
línea espectral ionización astronomía galáctica |
| dc.subject.wikidata.eng.fl_str_mv |
spectral line ionization galactic astronomy |
| description |
ilustraciones, diagramas |
| publishDate |
2024 |
| dc.date.accessioned.none.fl_str_mv |
2024-06-26T20:36:37Z |
| dc.date.available.none.fl_str_mv |
2024-06-26T20:36:37Z |
| dc.date.issued.none.fl_str_mv |
2024 |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Maestría |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://repositorio.unal.edu.co/handle/unal/86308 |
| dc.identifier.instname.spa.fl_str_mv |
Universidad Nacional de Colombia |
| dc.identifier.reponame.spa.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| dc.identifier.repourl.spa.fl_str_mv |
https://repositorio.unal.edu.co/ |
| url |
https://repositorio.unal.edu.co/handle/unal/86308 https://repositorio.unal.edu.co/ |
| identifier_str_mv |
Universidad Nacional de Colombia Repositorio Institucional Universidad Nacional de Colombia |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
[Aldraimli et al., 2020] Aldraimli, M., Soria, D., Parkinson, J., Thomas, E., Bell, J., Dwek, M., and Chaussalet, T. (2020). Machine learning prediction of susceptibility to visceral fat associated diseases. Health and Technology, 10:925–944 [Baldwin et al., 1981] Baldwin, J. A., Phillips, M. M., and Terlevich, R. (1981). Classification parameters for the emission-line spectra of extragalactic objects. Publications of the Astronomical Society of the Pacific, 93(551):5 [Beckmann and Schrader, 2012] Beckmann and Schrader (2012). Active Galactic Nuclei. Wiley-VCH, Weinheim [Butcher and Sneddon, 1998] Butcher, D. J. and Sneddon, J. (1998). A practical guide to graphite furnace atomic absorption spectrometry, volume 194. John Wiley & Sons [Harris, 2004] Harris, D. (2004). Quantitative chemical analysis, volume 98 [Infrared Processing and Analysis Center (IPAC), Caltech, 2022] Infrared Processing and Analysis Center (IPAC), Caltech (2022). Irsa-ipac infrared science archive. https://irsa.ipac.caltech.edu/ [Kauffmann et al., 2003] Kauffmann, G., Heckman, T. M., Tremonti, C., Brinchmann, J., Charlot, S., White, S. D., Ridgway, S. E., Brinkmann, J., Fukugita, M., Hall, P. B., et al. (2003). The host galaxies of active galactic nuclei. Monthly Notices of the Royal Astronomical Society, 346(4):1055–1077 [Kewley et al., 2001] Kewley, L. J., Dopita, M. A., Sutherland, R., Heisler, C., and Trevena, J. (2001). Theoretical modeling of starburst galaxies. The Astrophysical Journal, 556(1):121 [Kewley et al., 2006] Kewley, L. J., Groves, B., Kauffmann, G., and Heckman, T. (2006). The host galaxies and classification of active galactic nuclei. Monthly Notices of the Royal Astronomical Society, 372(3):961–976 [Mehrabi et al., 2021] Mehrabi, N., Morstatter, F., Saxena, N., Lerman, K., and Galstyan, A. (2021). A survey on bias and fairness in machine learning. ACM computing surveys (CSUR), 54(6):1–35 [Osterbrock and Ferland, 2006] Osterbrock, D. E. and Ferland, G. J. (2006). Astrophysics Of Gas Nebulae and Active Galactic Nuclei. University science books [Peterson, 1997] Peterson, B. M. (1997). An Introduction to Active Galactic Nuclei. Cambridge University Press, Cambridge [Poisson, 2020] Poisson, D. (2020). A machine learning primer for auditors. Accessed: April 12, 2024 [Quintero et al., 2014] Quintero, S., Ramos P, A., Higuera-G, M., and Martínez-Galarza, J. (2014). Diagnostic diagram with polycyclic aromatic hydrocarbons in different types of galaxies. In Revista Mexicana de Astronomia y Astrofísica Conference Series, volume 44, pages 195–195 [Roen, 2019] Roen, K. (2019). Anatomía de un AGN [Roldán et al., 2019] Roldán, R. C., Martín, E. M., and Rodríguez, A. R. (2019). Big data con python: Recolección, almacenamiento y proceso. Alpha Editorial [Sloan Digital Sky Survey, 2024] Sloan Digital Sky Survey (2024). Consulta sql en skyserver: Recuperación de datos espectroscópicos de galaxias. https://skyserver.sdss.org/dr18/SearchTools/sql [Tan et al., 2016] Tan, P.-N., Steinbach, M., and Kumar, V. (2016). Introduction to data mining. Pearson Education India [Thorne, 1991] Thorne, A. P. (1991). Fourier transform spectrometry in the ultraviolet. Analytical Chemistry, 63(2):57A–65A [Torres, 2020] Torres, J. (2020). Python deep learning: Introducción práctica con Keras y TensorFlow 2. Alpha Editorial [Valdivieso Taborga et al., 2013] Valdivieso Taborga, C. E., Valdivieso Castellón, R., and Valdivieso Taborga, O. (2013). Uso de árboles de decisión para la elección de pruebas paramétricas en el análisis de experimentos. Universidad Privada Boliviana (UPB) [Valera Blanco, 2023] Valera Blanco, (2023). Aspectos matemáticos en máquinas de vectores soporte (svm). Trabajo de Fin de Máster, Máster en Matemáticas [Vera-victor and López-catalina, ] Vera-victor, V. D. G. and López-catalina, C. Q. Capítulo vi agrupamiento jerárquico sobre uso de las tic en Colombia: Un caso de aplicación del machine learning [Wigner, 2012] Wigner, E. (2012). Group theory: and its application to the quantum mechanics of atomic spectra, volume 5. Elsevier [Witten and Frank, 2002] Witten, I. H. and Frank, E. (2002). Data mining: practical machine learning tools and techniques with java implementations. Acm Sigmod Record, 31 [York et al., 2000] York, D. et al. (2000). The sloan digital sky survey: Technical summary. The Astronomical Journal, 120(3):1579–1587 |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.license.spa.fl_str_mv |
Reconocimiento 4.0 Internacional |
| dc.rights.uri.spa.fl_str_mv |
http://creativecommons.org/licenses/by/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Reconocimiento 4.0 Internacional http://creativecommons.org/licenses/by/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.spa.fl_str_mv |
xiii, 88 páginas |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Universidad Nacional de Colombia |
| dc.publisher.program.spa.fl_str_mv |
Bogotá - Ciencias - Maestría en Ciencias - Astronomía |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ciencias |
| dc.publisher.place.spa.fl_str_mv |
Bogotá, Colombia |
| dc.publisher.branch.spa.fl_str_mv |
Universidad Nacional de Colombia - Sede Bogotá |
| institution |
Universidad Nacional de Colombia |
| bitstream.url.fl_str_mv |
https://repositorio.unal.edu.co/bitstream/unal/86308/3/license.txt https://repositorio.unal.edu.co/bitstream/unal/86308/4/1018423031.2024.pdf https://repositorio.unal.edu.co/bitstream/unal/86308/5/1018423031.2024.pdf.jpg |
| bitstream.checksum.fl_str_mv |
eb34b1cf90b7e1103fc9dfd26be24b4a fbe46635e1bc23ea1058cea9926ec063 954841dba1e3e3f46702e418a79c75e0 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| repository.mail.fl_str_mv |
repositorio_nal@unal.edu.co |
| _version_ |
1806886657888092160 |
| spelling |
Reconocimiento 4.0 Internacionalhttp://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Higuera Garzón, Mario Armando41118bc068415c3231e5341a3e1fa837600Quiazúa Merchán, Nelly Cristinacdac0d04f28de4167db34d349493ebaaSAGAN2024-06-26T20:36:37Z2024-06-26T20:36:37Z2024https://repositorio.unal.edu.co/handle/unal/86308Universidad Nacional de ColombiaRepositorio Institucional Universidad Nacional de Colombiahttps://repositorio.unal.edu.co/ilustraciones, diagramasLas galaxias activas se clasifican en dos grupos: AGN (núcleos activos de galaxias) e Infrarrojas - Starburst, caracterizadas por la ionización del disco de acreción y la formación estelar, respectivamente. Dentro de estas categorías se encuentran las subclases de las galaxias Seyfert y LINER, pertenecientes a las AGN. Baldwin, Phillips y Terlevich (BPT) desarrollaron un método basado en líneas espectrales para distinguirlas. El análisis se centra en el diagrama BPT y líneas de identificación en el espectro infrarrojo. El objetivo es evaluar el rendimiento de modelos de aprendizaje automático para categorizar galaxias y complementar observaciones visuales con infrarrojas. El aprendizaje automático, o Machine Learning, se presenta como una herramienta eficiente para automatizar la identificación de tipos de galaxias, lo que motiva la evaluación del diagrama BPT y la implementación de programas de aprendizaje automático para identificar galaxias según las categorías infrarrojas, Seyfert y LINER, además, de ejecutar y probar diversas dimensionalidades en la implementación de los modelos de aprendizaje automático. Este trabajo de investigación busca responder a diversas preguntas relacionadas con la eficacia y viabilidad de usar el aprendizaje automático en la identificación de galaxias. (Texto tomado de la fuente).Active galaxies are divided into two groups: AGN (Active Galactic Nuclei) and Infrared - Starburst, distinguished by the ionization of the accretion disk and stellar formation, respectively. Within these categories are the subclasses of Seyfert and LINER galaxies, which belong to AGN. Baldwin, Phillips, and Terlevich (BPT) developed a method based on spectral lines to distinguish them. The analysis focuses on the BPT diagram and identification lines in the infrared spectrum. The goal is to evaluate the performance of machine learning models for categorizing galaxies and complementing visual observations with infrared ones. Machine learning, or ML, emerges as an efficient tool to automate the identification of galaxy types, prompting the evaluation of the BPT diagram and the implementation of machine learning programs to identify galaxies based on infrared categories, Seyfert and LINER. Additionally, it involves running and testing various dimensionalities in the implementation of machine learning models. This research aims to address various questions related to the effectiveness and feasibility of using machine learning in galaxy identification.MaestríaMagíster en Ciencias - AstronomíaNúcleos activos de galaxiasxiii, 88 páginasapplication/pdfspaUniversidad Nacional de ColombiaBogotá - Ciencias - Maestría en Ciencias - AstronomíaFacultad de CienciasBogotá, ColombiaUniversidad Nacional de Colombia - Sede Bogotá520 - Astronomía y ciencias afines::522 - Técnicas, procedimientos, aparatos, equipos, materiales000 - Ciencias de la computación, información y obras generales::005 - Programación, programas, datos de computación520 - Astronomía y ciencias afines::523 - Cuerpos y fenómenos celestes específicosGalaxias activasAGNIonizaciónDisco de acreciónLíneas espectralesAprendizaje automáticoDiagrama BPTModelos de identificaciónActive galaxiesAGNIonizationAccretion diskSpectral linesMachine learningBPT diagramIdentification modelslínea espectralionizaciónastronomía galácticaspectral lineionizationgalactic astronomyDiagramas y algoritmos de clasificación alternativos para distinguir el mecanismo de ionización presentes en galaxias tipo AGNs y StarburstAlternative diagrams and classification algorithms for distinguishing the ionization mechanisms present in AGN and Starburst type galaxiesTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TM[Aldraimli et al., 2020] Aldraimli, M., Soria, D., Parkinson, J., Thomas, E., Bell, J., Dwek, M., and Chaussalet, T. (2020). Machine learning prediction of susceptibility to visceral fat associated diseases. Health and Technology, 10:925–944[Baldwin et al., 1981] Baldwin, J. A., Phillips, M. M., and Terlevich, R. (1981). Classification parameters for the emission-line spectra of extragalactic objects. Publications of the Astronomical Society of the Pacific, 93(551):5[Beckmann and Schrader, 2012] Beckmann and Schrader (2012). Active Galactic Nuclei. Wiley-VCH, Weinheim[Butcher and Sneddon, 1998] Butcher, D. J. and Sneddon, J. (1998). A practical guide to graphite furnace atomic absorption spectrometry, volume 194. John Wiley & Sons[Harris, 2004] Harris, D. (2004). Quantitative chemical analysis, volume 98[Infrared Processing and Analysis Center (IPAC), Caltech, 2022] Infrared Processing and Analysis Center (IPAC), Caltech (2022). Irsa-ipac infrared science archive. https://irsa.ipac.caltech.edu/[Kauffmann et al., 2003] Kauffmann, G., Heckman, T. M., Tremonti, C., Brinchmann, J., Charlot, S., White, S. D., Ridgway, S. E., Brinkmann, J., Fukugita, M., Hall, P. B., et al. (2003). The host galaxies of active galactic nuclei. Monthly Notices of the Royal Astronomical Society, 346(4):1055–1077[Kewley et al., 2001] Kewley, L. J., Dopita, M. A., Sutherland, R., Heisler, C., and Trevena, J. (2001). Theoretical modeling of starburst galaxies. The Astrophysical Journal, 556(1):121[Kewley et al., 2006] Kewley, L. J., Groves, B., Kauffmann, G., and Heckman, T. (2006). The host galaxies and classification of active galactic nuclei. Monthly Notices of the Royal Astronomical Society, 372(3):961–976[Mehrabi et al., 2021] Mehrabi, N., Morstatter, F., Saxena, N., Lerman, K., and Galstyan, A. (2021). A survey on bias and fairness in machine learning. ACM computing surveys (CSUR), 54(6):1–35[Osterbrock and Ferland, 2006] Osterbrock, D. E. and Ferland, G. J. (2006). Astrophysics Of Gas Nebulae and Active Galactic Nuclei. University science books[Peterson, 1997] Peterson, B. M. (1997). An Introduction to Active Galactic Nuclei. Cambridge University Press, Cambridge[Poisson, 2020] Poisson, D. (2020). A machine learning primer for auditors. Accessed: April 12, 2024[Quintero et al., 2014] Quintero, S., Ramos P, A., Higuera-G, M., and Martínez-Galarza, J. (2014). Diagnostic diagram with polycyclic aromatic hydrocarbons in different types of galaxies. In Revista Mexicana de Astronomia y Astrofísica Conference Series, volume 44, pages 195–195[Roen, 2019] Roen, K. (2019). Anatomía de un AGN[Roldán et al., 2019] Roldán, R. C., Martín, E. M., and Rodríguez, A. R. (2019). Big data con python: Recolección, almacenamiento y proceso. Alpha Editorial[Sloan Digital Sky Survey, 2024] Sloan Digital Sky Survey (2024). Consulta sql en skyserver: Recuperación de datos espectroscópicos de galaxias. https://skyserver.sdss.org/dr18/SearchTools/sql[Tan et al., 2016] Tan, P.-N., Steinbach, M., and Kumar, V. (2016). Introduction to data mining. Pearson Education India[Thorne, 1991] Thorne, A. P. (1991). Fourier transform spectrometry in the ultraviolet. Analytical Chemistry, 63(2):57A–65A[Torres, 2020] Torres, J. (2020). Python deep learning: Introducción práctica con Keras y TensorFlow 2. Alpha Editorial[Valdivieso Taborga et al., 2013] Valdivieso Taborga, C. E., Valdivieso Castellón, R., and Valdivieso Taborga, O. (2013). Uso de árboles de decisión para la elección de pruebas paramétricas en el análisis de experimentos. Universidad Privada Boliviana (UPB)[Valera Blanco, 2023] Valera Blanco, (2023). Aspectos matemáticos en máquinas de vectores soporte (svm). Trabajo de Fin de Máster, Máster en Matemáticas[Vera-victor and López-catalina, ] Vera-victor, V. D. G. and López-catalina, C. Q. Capítulo vi agrupamiento jerárquico sobre uso de las tic en Colombia: Un caso de aplicación del machine learning[Wigner, 2012] Wigner, E. (2012). Group theory: and its application to the quantum mechanics of atomic spectra, volume 5. Elsevier[Witten and Frank, 2002] Witten, I. H. and Frank, E. (2002). Data mining: practical machine learning tools and techniques with java implementations. Acm Sigmod Record, 31[York et al., 2000] York, D. et al. (2000). The sloan digital sky survey: Technical summary. The Astronomical Journal, 120(3):1579–1587EstudiantesInvestigadoresMaestrosPúblico generalLICENSElicense.txtlicense.txttext/plain; charset=utf-85879https://repositorio.unal.edu.co/bitstream/unal/86308/3/license.txteb34b1cf90b7e1103fc9dfd26be24b4aMD53ORIGINAL1018423031.2024.pdf1018423031.2024.pdfTesis de Maestría en Ciencias - Astronomíaapplication/pdf4206375https://repositorio.unal.edu.co/bitstream/unal/86308/4/1018423031.2024.pdffbe46635e1bc23ea1058cea9926ec063MD54THUMBNAIL1018423031.2024.pdf.jpg1018423031.2024.pdf.jpgGenerated Thumbnailimage/jpeg5015https://repositorio.unal.edu.co/bitstream/unal/86308/5/1018423031.2024.pdf.jpg954841dba1e3e3f46702e418a79c75e0MD55unal/86308oai:repositorio.unal.edu.co:unal/863082024-06-26 23:05:13.099Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.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 |