Detalhes bibliográficos
Ano de defesa: |
2016 |
Autor(a) principal: |
Marcelo Módolo |
Orientador(a): |
Lamartine Nogueira Frutuoso Guimarães,
Reinaldo Roberto Rosa |
Banca de defesa: |
Stephan Stephany,
Paula Rodrigues Teixeira Coelho,
Elcio Hideiti Shiguemori |
Tipo de documento: |
Tese
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Instituto Nacional de Pesquisas Espaciais (INPE)
|
Programa de Pós-Graduação: |
Programa de Pós-Graduação do INPE em Computação Aplicada
|
Departamento: |
Não Informado pela instituição
|
País: |
BR
|
Resumo em Inglês: |
The supernova classification performed by human experts from visual analysis of its spectrum is not trivial. Only few expert astronomers are able to do so, and only fewer than those attempt to remove the subjectivity inherent to human perception from that analysis. The existing automatic classifiers did not model the human way of analyzing the spectrum to classify supernovas. They only compare the spectrum similarity of newfound supernova with spectra of supernovae already classified. The supernovae classification automatic method proposed here is based on Computational Intelligence, and simulates the human spectrum analysis, making it a more formal classification and less prone to subjectivity of the human itself. The basic paradigm is the way humans perform the analysis. The automatic classifier uses artificial neural networks to analyze the spectrum and identify the presence or absence of elements that determine the supernova type. Four Multilayer Perceptron Neural Network were built. One neural network to identify each "classic" type of supernova: Ia, Ib, Ic and II. The classifier was tested on a database with 649 spectra of 221 different supernovae. The results are very good, reaching 99.2\% accuracy in identifying the type Ia supernovae. They indicate that the classification performed by this method can be used in situations, or that have no specialist around, or that require an automatic, systematic and continuous analysis. The tool developed in this work is named CIntIa, from the Portuguese language Classificador Inteligente de supernovas do tipo Ia, or Type Ia Supernovas Intelligent Classifier. |
Link de acesso: |
http://urlib.net/sid.inpe.br/mtc-m21b/2016/04.20.20.44
|
Resumo: |
A classificação de supernovas pode ser feita por especialistas humanos a partir da análise visual do seu espectro, mas não é trivial. Apenas alguns astrônomos especialistas são capazes de fazê-lo e com a subjetividade inerente à percepção humana. Os classificadores automáticos existentes não fazem a modelagem usando a forma humana de analisar o espectro para classificar supernovas. Eles somente comparam a similaridade do espectro da supernova recém-descoberta com os espectros de supernovas que já foram classificadas. Este trabalho propõe um método de classificação automática de supernovas baseado em Inteligência Computacional que simula a maneira humana de análise do espectro, mas fazendo uma classificação mais formal e menos propensa a subjetividade da análise humana. O paradigma básico é a forma como os seres humanos fazem a análise, mas o classificador automático utiliza redes neurais artificiais para analisar o espectro e identificar a presença ou ausência de elementos que determinam o tipo supernova. Quatro Redes Neurais Perceptron de Múltiplas Camadas foram construídas. Uma rede neural para identificar cada tipo ${''}$clássico${''}$ de supernova: Ia, Ib, Ic e II. O classificador foi testado em uma base com 649 espectros de 221 supernovas e os resultados foram muito bons, alcançando 99,2\% de acerto na identificação de supernovas do tipo Ia. Isso indica que a classificação realizada por este método pode ser utilizada em situações onde não existe um especialista ou onde seja necessária uma análise automática, sistemática e contínua. A ferramenta desenvolvida neste trabalho foi denominada CIntIa, sigla para Classificador Inteligente de supernovas do tipo Ia. |