Aprendizaje automatizado para clasificación y estimación de corrimiento al rojo de espectros astrofísicos

"Los avances en cosmología dependen en gran medida de la interpretación de levantamientos espectrométricos Surveys. Los continuos avances tecnológicos permiten que decenas de miles de espectros sean registrados en una noche de observación, cerca de cien veces más de lo que era posible en épocas...

Full description

Autores:
Saavedra Alfonso, Jairo Andrés
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2019
Institución:
Universidad de los Andes
Repositorio:
Séneca: repositorio Uniandes
Idioma:
spa
OAI Identifier:
oai:repositorio.uniandes.edu.co:1992/44803
Acceso en línea:
http://hdl.handle.net/1992/44803
Palabra clave:
Estrellas
Análisis espectral
Desplazamiento hacía el rojo
Cosmología
Aprendizaje automático (Inteligencia artificial)
Física
Rights
openAccess
License
http://creativecommons.org/licenses/by-nc-sa/4.0/
Description
Summary:"Los avances en cosmología dependen en gran medida de la interpretación de levantamientos espectrométricos Surveys. Los continuos avances tecnológicos permiten que decenas de miles de espectros sean registrados en una noche de observación, cerca de cien veces más de lo que era posible en épocas anteriores. Por esto es necesario abordar el problema de clasificación espectral y estimación del corrimiento al rojo Redshift de una manera mas eficiente que la tradicional. En la última década, el uso de técnicas de aprendizaje automatizado ha demostrado ser eficiente para resolver problemas de clasificación y regresión en diversos campos de la ciencia computacional.Esta monografía explora la aplicación de algoritmos de Aprendizaje Automatizado para tareas de clasificación espectral y estimación del Redshift, con proyección a futuros Surveys de gran impacto en cosmología, como el Dark Energy Spectroscopic Instrument (DESI)." -- Tomado del Formato de Documento de Grado.