Modelos de aprendizado profundo para detecção de planetas extrassolares
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Monografias da UnB |
Texto Completo: | http://bdm.unb.br/handle/10483/22441 |
Resumo: | Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2018. |
id |
UNB-2_74d055f53c2be7151e02e3608a64732a |
---|---|
oai_identifier_str |
oai:bdm.unb.br:10483/22441 |
network_acronym_str |
UNB-2 |
network_name_str |
Biblioteca Digital de Monografias da UnB |
repository_id_str |
11571 |
spelling |
Reis, Ricardo Torres BispoPianto, Donald MatthewREIS, Ricardo Torres Bispo. Modelos de aprendizado profundo para detecção de planetas extrassolares. 2018. 58 f. Trabalho de Conclusão de Curso (Bacharelado em Estatística)—Universidade de Brasília, Brasília, 2018.http://bdm.unb.br/handle/10483/22441Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2018.A busca e descoberta de novos planetas orbitando outras estrelas da Via Láctea vem com o passar dos anos produzindo quantidades de informação cada vez maiores, à medida que as missões espaciais e os observatórios crescem tecnologicamente. Com isso, a utilização de inteligência artificial para a detecção e classificação de exoplanetas tem se tornado crescente. Baseando-se nisto, este trabalho propõe a utilização de uma rede neural convolucional como método de detecção de exoplanetas baseado nas curvas de luz de suas estrelas. Foram ajustados três modelos baseados em formas diferentes de destacar características de interesse associadas aos trânsitos dos exoplanetas. Os testes dos modelos mostraram que, apesar da dos resultados satisfatórios da rede, a aplicação dos processamentos nos dados pode implicar em melhoria significativa de sua performance.Submitted by Luanna Maia (luanna@bce.unb.br) on 2019-09-20T12:05:15Z No. of bitstreams: 3 license_text: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) 2018_RicardoTorresBispoReis_tcc.pdf: 809119 bytes, checksum: 6bbf5f8c18c74e2f49d7698640d9215a (MD5)Approved for entry into archive by Luanna Maia (luanna@bce.unb.br) on 2019-09-20T12:05:29Z (GMT) No. of bitstreams: 3 license_text: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) 2018_RicardoTorresBispoReis_tcc.pdf: 809119 bytes, checksum: 6bbf5f8c18c74e2f49d7698640d9215a (MD5)Made available in DSpace on 2019-09-20T12:05:29Z (GMT). No. of bitstreams: 3 license_text: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) 2018_RicardoTorresBispoReis_tcc.pdf: 809119 bytes, checksum: 6bbf5f8c18c74e2f49d7698640d9215a (MD5)The search for and discovery of new planets orbiting other stars in the Milky Way has produced an enormous amount of information as the space missions and observatories grow technologically. This fact has the use of artificial intelligence for detection and classification of exoplanets more common. This work proposes the use of a convolutional neural network as a means of exoplanet detection based on the light curve of its stars. Three models were fitted based on different ways of highlighting the features of interest associated with the exoplanets’ transits. Despite the satisfactory results, the models tested showed that data processing can lead to significant improvements in performance.Redes neurais (Computação)Análise de séries temporaisModelos de aprendizado profundo para detecção de planetas extrassolaresinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis2019-09-20T12:05:29Z2019-09-20T12:05:29Z2018-06info:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Monografias da UnBinstname:Universidade de Brasília (UnB)instacron:UNBLICENSElicense.txtlicense.txttext/plain1817http://bdm.unb.br/xmlui/bitstream/10483/22441/5/license.txt21554873e56ad8ddc69c092699b98f95MD55CC-LICENSElicense_urllicense_urltext/plain49http://bdm.unb.br/xmlui/bitstream/10483/22441/2/license_url4afdbb8c545fd630ea7db775da747b2fMD52license_textlicense_textapplication/octet-stream0http://bdm.unb.br/xmlui/bitstream/10483/22441/3/license_textd41d8cd98f00b204e9800998ecf8427eMD53license_rdflicense_rdfapplication/octet-stream0http://bdm.unb.br/xmlui/bitstream/10483/22441/4/license_rdfd41d8cd98f00b204e9800998ecf8427eMD54ORIGINAL2018_RicardoTorresBispoReis_tcc.pdf2018_RicardoTorresBispoReis_tcc.pdfapplication/pdf809119http://bdm.unb.br/xmlui/bitstream/10483/22441/1/2018_RicardoTorresBispoReis_tcc.pdf6bbf5f8c18c74e2f49d7698640d9215aMD5110483/224412021-06-28 11:00:45.123oai:bdm.unb.br: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Biblioteca Digital de Monografiahttps://bdm.unb.br/PUBhttp://bdm.unb.br/oai/requestbdm@bce.unb.br||patricia@bce.unb.bropendoar:115712021-06-28T14:00:45Biblioteca Digital de Monografias da UnB - Universidade de Brasília (UnB)false |
dc.title.pt_BR.fl_str_mv |
Modelos de aprendizado profundo para detecção de planetas extrassolares |
title |
Modelos de aprendizado profundo para detecção de planetas extrassolares |
spellingShingle |
Modelos de aprendizado profundo para detecção de planetas extrassolares Reis, Ricardo Torres Bispo Redes neurais (Computação) Análise de séries temporais |
title_short |
Modelos de aprendizado profundo para detecção de planetas extrassolares |
title_full |
Modelos de aprendizado profundo para detecção de planetas extrassolares |
title_fullStr |
Modelos de aprendizado profundo para detecção de planetas extrassolares |
title_full_unstemmed |
Modelos de aprendizado profundo para detecção de planetas extrassolares |
title_sort |
Modelos de aprendizado profundo para detecção de planetas extrassolares |
author |
Reis, Ricardo Torres Bispo |
author_facet |
Reis, Ricardo Torres Bispo |
author_role |
author |
dc.contributor.author.fl_str_mv |
Reis, Ricardo Torres Bispo |
dc.contributor.advisor1.fl_str_mv |
Pianto, Donald Matthew |
contributor_str_mv |
Pianto, Donald Matthew |
dc.subject.keyword.pt_BR.fl_str_mv |
Redes neurais (Computação) Análise de séries temporais |
topic |
Redes neurais (Computação) Análise de séries temporais |
description |
Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2018. |
publishDate |
2018 |
dc.date.submitted.none.fl_str_mv |
2018-06 |
dc.date.accessioned.fl_str_mv |
2019-09-20T12:05:29Z |
dc.date.available.fl_str_mv |
2019-09-20T12:05:29Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
REIS, Ricardo Torres Bispo. Modelos de aprendizado profundo para detecção de planetas extrassolares. 2018. 58 f. Trabalho de Conclusão de Curso (Bacharelado em Estatística)—Universidade de Brasília, Brasília, 2018. |
dc.identifier.uri.fl_str_mv |
http://bdm.unb.br/handle/10483/22441 |
identifier_str_mv |
REIS, Ricardo Torres Bispo. Modelos de aprendizado profundo para detecção de planetas extrassolares. 2018. 58 f. Trabalho de Conclusão de Curso (Bacharelado em Estatística)—Universidade de Brasília, Brasília, 2018. |
url |
http://bdm.unb.br/handle/10483/22441 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Monografias da UnB instname:Universidade de Brasília (UnB) instacron:UNB |
instname_str |
Universidade de Brasília (UnB) |
instacron_str |
UNB |
institution |
UNB |
reponame_str |
Biblioteca Digital de Monografias da UnB |
collection |
Biblioteca Digital de Monografias da UnB |
bitstream.url.fl_str_mv |
http://bdm.unb.br/xmlui/bitstream/10483/22441/5/license.txt http://bdm.unb.br/xmlui/bitstream/10483/22441/2/license_url http://bdm.unb.br/xmlui/bitstream/10483/22441/3/license_text http://bdm.unb.br/xmlui/bitstream/10483/22441/4/license_rdf http://bdm.unb.br/xmlui/bitstream/10483/22441/1/2018_RicardoTorresBispoReis_tcc.pdf |
bitstream.checksum.fl_str_mv |
21554873e56ad8ddc69c092699b98f95 4afdbb8c545fd630ea7db775da747b2f d41d8cd98f00b204e9800998ecf8427e d41d8cd98f00b204e9800998ecf8427e 6bbf5f8c18c74e2f49d7698640d9215a |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Monografias da UnB - Universidade de Brasília (UnB) |
repository.mail.fl_str_mv |
bdm@bce.unb.br||patricia@bce.unb.br |
_version_ |
1801493088433078272 |