Ministério da Ciência, Tecnologia, Inovações e Comunicações
CBPFIndex
CENTRO BRASILEIRO DE PESQUISAS FÍSICAS
11/11/2024   
Usuário:
Senha:

Crie sua conta aqui

Procurar por:

Publicações
Projetos
Eventos

Ir para a busca avançada

Notas Técnicas
Classificação Morfológica de Galáxias no S-PLUS por Combinação de Redes Convolucionais

Data do cadastro: 29/10/2021

Publicação/Divulgação: 29/10/2021

Resp. pelo cadastro:

Status atual: Publicado

Ano da publicação: 2021

Descrição: O universo é composto de galáxias que apresentam variadas formas. Uma vez determinada a estrutura de uma galáxia, é possível obter informações importantes desde sua formação até sua evolução. A classificação morfológica é a catalogação de galáxias de acordo com a sua aparência visual e a classificação está ligada com as propriedades físicas da galáxia. Uma classificação morfológica feita através de inspeção visual está sujeita a um viés causado pela subjetividade da observação humana. Por isso, a classificação sistemática, objetiva e facilmente reproduzível de galáxias vem ganhando importância desde quando o astrônomo Edwin Hubble criou seu famoso método de classificação. Neste trabalho, nós combinamos classificações visuais acuradas do projeto Galaxy Zoo com métodos de \emph{Deep Learning}. O objetivo é encontrar uma técnica eficiente que consiga simular a classificação visual humana, mas de forma sistematizada e automática, para classificação de galáxias elípticas e espirais. Para isto, um modelo de rede neural foi criado através de um Ensemble de outros quatro modelos convolucionais, possibilitando uma maior acurácia na classificação do que o que seria obtido com qualquer um individualmente. Detalhes dos modelos individuais e melhorias feitas nestes também são descritas. O presente trabalho é totalmente baseado na análise de imagens (não tabelas de parâmetros) do DR1 (www.datalab.noao.edu) do Southern Photometric Local Universe Survey (S-PLUS). Em termos de classificação, alcançamos, com o Ensemble, uma precisão de $\approx 99 \%$ na amostra de teste (usando redes pre-treinadas).

Número: CBPF-NT-002/21

Autores: N.M. Cardoso; N.M. Cardoso; L.O. Dias; Bom, C.R.; L. Sodré Jr.; C. Mendes de Oliveira


Download do PDF (4.120 KB)


Todos
Todos
Todas
Artigos de Div. Científica
Artigos em Revistas Nac.
Artigos em Revistas Int.
Artigos em Eventos Nac.
Artigos em Eventos Int.
Livros Inteiros
Capítulos de Livro
Propriedades Intelectuais
Áudio
Patentes
Programas de computador
Modelos de utilidade
Marcas
Outras prop. intel.
Tecnologias
Know-how
Serviços tecnológicos
Tecnologias inovadoras
Teses de Doutorado
Dissertações de Mestrado
Projetos de Graduação
Ciência e Sociedade
Documentos Históricos
Monografias
Notas de Física
Notas Técnicas
Outras Produções
· Principal    |    CBPF    |    ·

Copyright 2004 - CBPF. Rio de Janeiro/Brasil
Centro Brasileiro de Pesquisas Físicas
v 1.1

       
P�g. gerada em 0.01 s
Total de consultas SQL: 29