Catálogo de publicaciones - tesis
Título de Acceso Abierto
Análisis y diseño de procesos de minería de datos astrofísicos sobre catálogos fotométricos múltiple época
Juan Bautista Cabral Pablo Miguel Granitto Sebastian Gurovich
publishedVersion.
Resumen/Descripción – provisto por el repositorio digital
El desarrollo de modernos telescopios terrestres y satelitales ha impulsado la realización de grandes relevamientos astronómicos, los cuales a su vez han generando un crecimiento gigantesco en la cantidad y calidad de datos a ser procesados, almacenados y analizados. Ante esta situación las técnicas de minerı́a de datos y aprendizaje automático han empezado a jugar un rol importante en el resumen y presentación de la información para astrónomos. La presente tesis tiene como objetivo la clasificación de fuentes astronómicas y detección de errores observacionales en el moderno relevamiento astronómico Vista Variables in the Via Lactea (VVV), comenzando por introducir conceptos elementales, sobre astronomı́a, aprendizaje automatizado y minerı́a de datos que serán utilizados frecuentemente durante todo el trabajo. A continuación, se presenta una exposición de los datos del relevamiento astronómico VVV junto con la descripción del pre-procesamiento necesario para la utilización de estas técnicas automáticas; seguido de la presentación del diseño teórico e implementación de dos herramientas necesarias para el procesamiento de datos descriptos en el capı́tulo anterior. Los dos capı́tulos siguientes encaran primero la problemática de la clasificación de fuentes astronómicas en general y estrellas variables en particular frente al gran desbalance de observaciones existente en relevamiento; mientras que el segundo se enfoca en la detección automática de errores observacionales dentro los datos relevados. Finalmente, se exponen las conclusiones y se discuten ideas de trabajo a futuro para continuar con las lı́neas de estudio dentro del VVV, ası́ como futuros relevamientos astronómicos.Palabras clave – provistas por el repositorio digital
Aprendizaje Automático; Astronomía; Vvv; Ciencias de la Computación; Ciencias de la Computación e Información; CIENCIAS NATURALES Y EXACTAS
Disponibilidad
| Institución detectada | Año de publicación | Navegá | Descargá | Solicitá |
|---|---|---|---|---|
| No requiere | 2019 | CONICET Digital (SNRD) |
|
Información
Tipo de recurso:
tesis
Idiomas de la publicación
- español castellano
País de edición
Argentina
Fecha de publicación
2019-03-25
Información sobre licencias CC
