Real astronomical transient object detection and classification using simulated light curves and real image sequences with machine learning

Los objetos astronomicos transientes (TAOs) son de gran importancia científica. En las últimas décadas, se han llevado a cabo grandes esfuerzos para crear telescopios para detectarlos. Dado el volumen de la información producida por ellos, la comunidad científica necesita algoritmos automatizados para su clasificación. Se proponen dos algoritmos de clasificación. Uno para supernovas basándose en curvas de luz y otro para la clasificación de grano fino de TAOs usando redes neuronales convolucionales con arquitectura de densenet. Se logra obtener resultados del estado del arte en ambos casos con un F1 score de 0.9179 y un F1 score promedio de 0.4936 respectivamente.

• Autores: Neira Giraldo, Mauricio
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2020
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: eng
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/45059
• Acceso en línea: http://hdl.handle.net/1992/45059
• Palabra clave: Redes neurales (Computadores); Aprendizaje automático (Inteligencia artificial); Supernovas (Astronomía); Objetos astronómicos; Ingeniería
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/