Metric learning strategies for the classification of T-Tauri Stars

El telescopio espacial: Satélite de Sondeo de Exoplanetas en Tránsito (TESS) permite la extracción de curvas de luz de alta calidad en estrellas con variaciones rápidas como las de tipo T-Tauri y otros objetos estelares jóvenes. Esto se hace con una cadencia de 30 minutos entre observaciones. Gracia...

Full description

Autores:
Cabrera García, Juan Felipe
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2021
Institución:
Universidad de los Andes
Repositorio:
Séneca: repositorio Uniandes
Idioma:
eng
OAI Identifier:
oai:repositorio.uniandes.edu.co:1992/53059
Acceso en línea:
http://hdl.handle.net/1992/53059
Palabra clave:
Telescopios
Astrofísica
Estrellas
Espacios métricos
Aprendizaje automático (Inteligencia artificial)
Ingeniería
Rights
openAccess
License
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
id UNIANDES2_cd5992111f1582215f71e2342994d7ad
oai_identifier_str oai:repositorio.uniandes.edu.co:1992/53059
network_acronym_str UNIANDES2
network_name_str Séneca: repositorio Uniandes
repository_id_str
dc.title.eng.fl_str_mv Metric learning strategies for the classification of T-Tauri Stars
title Metric learning strategies for the classification of T-Tauri Stars
spellingShingle Metric learning strategies for the classification of T-Tauri Stars
Telescopios
Astrofísica
Estrellas
Espacios métricos
Aprendizaje automático (Inteligencia artificial)
Ingeniería
title_short Metric learning strategies for the classification of T-Tauri Stars
title_full Metric learning strategies for the classification of T-Tauri Stars
title_fullStr Metric learning strategies for the classification of T-Tauri Stars
title_full_unstemmed Metric learning strategies for the classification of T-Tauri Stars
title_sort Metric learning strategies for the classification of T-Tauri Stars
dc.creator.fl_str_mv Cabrera García, Juan Felipe
dc.contributor.advisor.none.fl_str_mv Giraldo Trujillo, Luis Felipe
dc.contributor.author.none.fl_str_mv Cabrera García, Juan Felipe
dc.contributor.jury.none.fl_str_mv García Varela, José Alejandro
dc.subject.armarc.none.fl_str_mv Telescopios
Astrofísica
Estrellas
Espacios métricos
Aprendizaje automático (Inteligencia artificial)
topic Telescopios
Astrofísica
Estrellas
Espacios métricos
Aprendizaje automático (Inteligencia artificial)
Ingeniería
dc.subject.themes.none.fl_str_mv Ingeniería
description El telescopio espacial: Satélite de Sondeo de Exoplanetas en Tránsito (TESS) permite la extracción de curvas de luz de alta calidad en estrellas con variaciones rápidas como las de tipo T-Tauri y otros objetos estelares jóvenes. Esto se hace con una cadencia de 30 minutos entre observaciones. Gracias a la calidad de los datos, se abre la posibilidad de explorar técnicas avanzadas de machine learning con el objetivo de identificar la morfología de las curvas de luz. En este proyecto implementamos la técnica de metric learning, "Mahalanobis Metric for Clustering" para transformar el espacio de características a traves de una métrica con la finalidad de separar las clases para mejorar la clasificación e interpretación. Nuestra implementación se prueba con éxito en los conjuntos de datos de "Iris" y "WineW del Repositorio UCI Machine Learning, dejando cierto margen de mejora al realizar pruebas en un conjunto de 728 curvas de luz extraídas de TESS. Además, realizamos un experimento de clasificación con los datos originales y transformados por la métrica. Los resultados muestran que la métrica mejora la clasificación en "Iris", la mejora parcialmente en "Wine" y no lo mejora para TESS.
publishDate 2021
dc.date.accessioned.none.fl_str_mv 2021-11-03T16:10:24Z
dc.date.available.none.fl_str_mv 2021-11-03T16:10:24Z
dc.date.issued.none.fl_str_mv 2021
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/1992/53059
dc.identifier.pdf.none.fl_str_mv 25342.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/1992/53059
identifier_str_mv 25342.pdf
instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
repourl:https://repositorio.uniandes.edu.co/
dc.language.iso.none.fl_str_mv eng
language eng
dc.rights.uri.*.fl_str_mv https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
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 https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.none.fl_str_mv 11 páginas
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de los Andes
dc.publisher.program.none.fl_str_mv Ingeniería Electrónica
dc.publisher.faculty.none.fl_str_mv Facultad de Ingeniería
dc.publisher.department.none.fl_str_mv Departamento de Ingeniería Eléctrica y Electrónica
publisher.none.fl_str_mv Universidad de los Andes
institution Universidad de los Andes
bitstream.url.fl_str_mv https://repositorio.uniandes.edu.co/bitstreams/f2f20a86-b44d-4712-ae3d-6aadcfe46df3/download
https://repositorio.uniandes.edu.co/bitstreams/b971f04e-e1f2-491b-8752-e71e696a0dd5/download
https://repositorio.uniandes.edu.co/bitstreams/736a6c69-45ed-48d0-80d2-133074b36a98/download
bitstream.checksum.fl_str_mv 6c5666db0401d31d0308499752083ec3
bca62c3acb376edd640024d21bcf42e6
26551d6439d268ca3442f079bb880e71
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_ 1812134008696340480
spelling Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Giraldo Trujillo, Luis Felipevirtual::13174-1Cabrera García, Juan Felipe373c4a61-776f-4a07-ad84-b1cfb8a6e033400García Varela, José Alejandro2021-11-03T16:10:24Z2021-11-03T16:10:24Z2021http://hdl.handle.net/1992/5305925342.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/El telescopio espacial: Satélite de Sondeo de Exoplanetas en Tránsito (TESS) permite la extracción de curvas de luz de alta calidad en estrellas con variaciones rápidas como las de tipo T-Tauri y otros objetos estelares jóvenes. Esto se hace con una cadencia de 30 minutos entre observaciones. Gracias a la calidad de los datos, se abre la posibilidad de explorar técnicas avanzadas de machine learning con el objetivo de identificar la morfología de las curvas de luz. En este proyecto implementamos la técnica de metric learning, "Mahalanobis Metric for Clustering" para transformar el espacio de características a traves de una métrica con la finalidad de separar las clases para mejorar la clasificación e interpretación. Nuestra implementación se prueba con éxito en los conjuntos de datos de "Iris" y "WineW del Repositorio UCI Machine Learning, dejando cierto margen de mejora al realizar pruebas en un conjunto de 728 curvas de luz extraídas de TESS. Además, realizamos un experimento de clasificación con los datos originales y transformados por la métrica. Los resultados muestran que la métrica mejora la clasificación en "Iris", la mejora parcialmente en "Wine" y no lo mejora para TESS.The Transiting Exoplanet Survey Satellite space telescope (TESS) allows the extraction of high quality Light Curves of stars with rapid variations such as T-Tauri stars and other young stellar objects. This is done with its cadence of 30 minutes between observations. Such high quality data opens the opportunity for advanced machine learning explorations aiming to the identification of the light curve's morphology. On this project we implement the metric learning technique of Mahalanobis Metric for Clustering to transform the feature space by using a metric in an attempt of separating the classes to improve classification and interpretation. Our implementation is tested successfully on the Iris and Wine data sets from the UCI Machine Learning Repository, leaving some room for improvement when testing on a set of 728 TESS extracted light curves. Additionally, we conduct a classification experiment with both the raw data, and transformed by the metric. The results showed that the metric improves the classification on Iris, partially improves it on Wine and does not improve it for TESS.Ingeniero ElectrónicoPregrado11 páginasapplication/pdfengUniversidad de los AndesIngeniería ElectrónicaFacultad de IngenieríaDepartamento de Ingeniería Eléctrica y ElectrónicaMetric learning strategies for the classification of T-Tauri StarsTrabajo 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/TPTelescopiosAstrofísicaEstrellasEspacios métricosAprendizaje automático (Inteligencia artificial)Ingeniería201530946Publicationhttps://scholar.google.es/citations?user=4TGvo8AAAAJvirtual::13174-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000802506virtual::13174-1eb386eec-3ec8-40c2-829d-ae8cbf0e384evirtual::13174-1eb386eec-3ec8-40c2-829d-ae8cbf0e384evirtual::13174-1ORIGINAL25342.pdfapplication/pdf1388344https://repositorio.uniandes.edu.co/bitstreams/f2f20a86-b44d-4712-ae3d-6aadcfe46df3/download6c5666db0401d31d0308499752083ec3MD51TEXT25342.pdf.txt25342.pdf.txtExtracted texttext/plain38231https://repositorio.uniandes.edu.co/bitstreams/b971f04e-e1f2-491b-8752-e71e696a0dd5/downloadbca62c3acb376edd640024d21bcf42e6MD54THUMBNAIL25342.pdf.jpg25342.pdf.jpgIM Thumbnailimage/jpeg28105https://repositorio.uniandes.edu.co/bitstreams/736a6c69-45ed-48d0-80d2-133074b36a98/download26551d6439d268ca3442f079bb880e71MD551992/53059oai:repositorio.uniandes.edu.co:1992/530592024-03-13 14:52:21.027https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfopen.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co