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 pa...

Full description

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/
id UNIANDES2_7cede89f40bc76d1912371b6b65bb48d
oai_identifier_str oai:repositorio.uniandes.edu.co:1992/45059
network_acronym_str UNIANDES2
network_name_str Séneca: repositorio Uniandes
repository_id_str
dc.title.es_CO.fl_str_mv Real astronomical transient object detection and classification using simulated light curves and real image sequences with machine learning
title Real astronomical transient object detection and classification using simulated light curves and real image sequences with machine learning
spellingShingle Real astronomical transient object detection and classification using simulated light curves and real image sequences with machine learning
Redes neurales (Computadores)
Aprendizaje automático (Inteligencia artificial)
Supernovas (Astronomía)
Objetos astronómicos
Ingeniería
title_short Real astronomical transient object detection and classification using simulated light curves and real image sequences with machine learning
title_full Real astronomical transient object detection and classification using simulated light curves and real image sequences with machine learning
title_fullStr Real astronomical transient object detection and classification using simulated light curves and real image sequences with machine learning
title_full_unstemmed Real astronomical transient object detection and classification using simulated light curves and real image sequences with machine learning
title_sort Real astronomical transient object detection and classification using simulated light curves and real image sequences with machine learning
dc.creator.fl_str_mv Neira Giraldo, Mauricio
dc.contributor.advisor.none.fl_str_mv Arbeláez Escalante, Pablo Andrés
Hernández Hoyos, Marcela
Forero Romero, Jaime Ernesto
dc.contributor.author.none.fl_str_mv Neira Giraldo, Mauricio
dc.subject.armarc.es_CO.fl_str_mv Redes neurales (Computadores)
Aprendizaje automático (Inteligencia artificial)
Supernovas (Astronomía)
Objetos astronómicos
topic Redes neurales (Computadores)
Aprendizaje automático (Inteligencia artificial)
Supernovas (Astronomía)
Objetos astronómicos
Ingeniería
dc.subject.themes.none.fl_str_mv Ingeniería
description 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.
publishDate 2020
dc.date.accessioned.none.fl_str_mv 2020-09-03T15:11:45Z
dc.date.available.none.fl_str_mv 2020-09-03T15:11:45Z
dc.date.issued.none.fl_str_mv 2020
dc.type.spa.fl_str_mv Trabajo de grado - Pregrado
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TP
format http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/1992/45059
dc.identifier.pdf.none.fl_str_mv u831422.pdf
dc.identifier.instname.spa.fl_str_mv instname:Universidad de los Andes
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional Séneca
dc.identifier.repourl.spa.fl_str_mv repourl:https://repositorio.uniandes.edu.co/
url http://hdl.handle.net/1992/45059
identifier_str_mv u831422.pdf
instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
repourl:https://repositorio.uniandes.edu.co/
dc.language.iso.es_CO.fl_str_mv eng
language eng
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.es_CO.fl_str_mv 46 hojas
dc.format.mimetype.es_CO.fl_str_mv application/pdf
dc.publisher.es_CO.fl_str_mv Uniandes
dc.publisher.program.es_CO.fl_str_mv Ingeniería de Sistemas y Computación
dc.publisher.faculty.es_CO.fl_str_mv Facultad de Ingeniería
dc.publisher.department.es_CO.fl_str_mv Departamento de Ingeniería de Sistemas y Computación
dc.source.es_CO.fl_str_mv instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
instname_str Universidad de los Andes
institution Universidad de los Andes
reponame_str Repositorio Institucional Séneca
collection Repositorio Institucional Séneca
bitstream.url.fl_str_mv https://repositorio.uniandes.edu.co/bitstreams/69990945-4a31-4ea6-acc6-75202dd33509/download
https://repositorio.uniandes.edu.co/bitstreams/a3fe9e12-39e7-493e-bef2-2fb4933532ce/download
https://repositorio.uniandes.edu.co/bitstreams/fca8d139-2823-491e-9cfb-5f40fb50c0f4/download
bitstream.checksum.fl_str_mv be6e1877d12f85ab37d9939d51bda9f1
bee89fd2719521d96597a0610ce29f9a
6fa9f5e40246e6f8e297c6676a0ce668
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio institucional Séneca
repository.mail.fl_str_mv adminrepositorio@uniandes.edu.co
_version_ 1812133925602983936
spelling Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Arbeláez Escalante, Pablo Andrés7b73426f-f63b-413f-b44b-ddfa70416b65400Hernández Hoyos, Marcelavirtual::8084-1Forero Romero, Jaime Ernestovirtual::8085-1Neira Giraldo, Mauricio4bafc5c4-b4d8-490f-8d96-5842f97a1a325002020-09-03T15:11:45Z2020-09-03T15:11:45Z2020http://hdl.handle.net/1992/45059u831422.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/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.Transient astronomical objects (TAOs) are of great scientific importance.Over the past decades, great efforts have gone into building space and groundtelescopes to detect them. Given the volume of information being produced,the scientific community is in need of algorithms that can autonomously clas-sify TAOs from other astronomical objects. Two distinct TAO classificationalgorithms are proposed. One for supernovae classification from real andsimulated light curves using random forests on a novel feature space. Andsecond for a fine grained classification of transients from deep space imagesequences using a densenet convolutional neural network. State of the art results are achieved on both non-simulated datasets with anF1 score of 0.9179 and an average F1 score of 0.4936 respectively.Ingeniero de Sistemas y ComputaciónPregrado46 hojasapplication/pdfengUniandesIngeniería de Sistemas y ComputaciónFacultad de IngenieríaDepartamento de Ingeniería de Sistemas y Computacióninstname:Universidad de los Andesreponame:Repositorio Institucional SénecaReal astronomical transient object detection and classification using simulated light curves and real image sequences with machine learningTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TPRedes neurales (Computadores)Aprendizaje automático (Inteligencia artificial)Supernovas (Astronomía)Objetos astronómicosIngenieríaPublicationhttps://scholar.google.es/citations?user=9nnSYmMAAAAJvirtual::8084-1https://scholar.google.es/citations?user=TLTK6WgAAAAJvirtual::8085-10000-0002-2890-3725virtual::8085-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000326453virtual::8084-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000337102virtual::8085-130e973c9-1db4-4731-b61b-bc73c4aceecdvirtual::8084-1d34cd5a0-50f5-42ea-825e-b51f5368f321virtual::8085-130e973c9-1db4-4731-b61b-bc73c4aceecdvirtual::8084-1d34cd5a0-50f5-42ea-825e-b51f5368f321virtual::8085-1ORIGINALu831422.pdfapplication/pdf6062821https://repositorio.uniandes.edu.co/bitstreams/69990945-4a31-4ea6-acc6-75202dd33509/downloadbe6e1877d12f85ab37d9939d51bda9f1MD51THUMBNAILu831422.pdf.jpgu831422.pdf.jpgIM Thumbnailimage/jpeg7872https://repositorio.uniandes.edu.co/bitstreams/a3fe9e12-39e7-493e-bef2-2fb4933532ce/downloadbee89fd2719521d96597a0610ce29f9aMD55TEXTu831422.pdf.txtu831422.pdf.txtExtracted texttext/plain53325https://repositorio.uniandes.edu.co/bitstreams/fca8d139-2823-491e-9cfb-5f40fb50c0f4/download6fa9f5e40246e6f8e297c6676a0ce668MD541992/45059oai:repositorio.uniandes.edu.co:1992/450592024-03-13 13:35:28.694http://creativecommons.org/licenses/by-nc-nd/4.0/open.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co

Publicaciones similares