Separação de estrelas-galáxias usando algoritmos de machine learning aplicados aos dados preliminares do survey MINIJPAS.

Detalhes bibliográficos
Ano de defesa: 2020
Autor(a) principal: Baqui, Pedro Otavio Souza
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal do Espírito Santo
BR
Doutorado em Física
Centro de Ciências Exatas
UFES
Programa de Pós-Graduação em Física
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Classificação Estrelas/Galáxias
Fotometria
Aprendiz
máquina
subject.br-rjbn
Física
Link de acesso: http://repositorio.ufes.br/handle/10/14242
Resumo: Future astrophysical research such as JPAS will produce huge datasets never seen before, reaching a rate of 150 TB per day. Therefore, new tools for processing this amount of data must be employed. Preferably they will provide us with an almost real-time
id UFES_93371a35761b4e070ebedd885c03d230
oai_identifier_str oai:repositorio.ufes.br:10/14242
network_acronym_str UFES
network_name_str Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)
repository_id_str
spelling Separação de estrelas-galáxias usando algoritmos de machine learning aplicados aos dados preliminares do survey MINIJPAS.Separation of star-galaxies using machine learning algorithms applied to preliminary data from the MINIJPAS survey.Classificação Estrelas/GaláxiasFotometriaAprendizmáquinasubject.br-rjbnFísicaFuture astrophysical research such as JPAS will produce huge datasets never seen before, reaching a rate of 150 TB per day. Therefore, new tools for processing this amount of data must be employed. Preferably they will provide us with an almost real-timeFuturos levantamentos em astronomia/astrofísicas como o J-PAS, SDSS e LSST produzirão conjuntos de dados enormes chegando à uma taxa de 150 TB por dia. Portanto, novas ferramentas para processamento dessa quantidade de dados devem ser empregadas. De prefeFundação Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)Universidade Federal do Espírito SantoBRDoutorado em FísicaCentro de Ciências ExatasUFESPrograma de Pós-Graduação em FísicaPiattella, Oliver Fabiohttps://orcid.org/0000000345580574http://lattes.cnpq.br/5707156831919279https://orcid.org/0000000209139952http://lattes.cnpq.br/Fabris, Julio Cesarhttps://orcid.org/000000018880107Xhttp://lattes.cnpq.br/5193649615872035Quartin, Miguel Boavistahttps://orcid.org/0000000158536164http://lattes.cnpq.br/3080181268936724Rodrigues, Davi Cabralhttps://orcid.org/0000000316835443http://lattes.cnpq.br/5465449494182034Abramo, Luis Raul WeberMarra, Valeriohttps://orcid.org/0000000277731579http://lattes.cnpq.br/6846011112691877Baqui, Pedro Otavio Souza2024-05-30T00:49:01Z2024-05-30T00:49:01Z2020-05-08info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisTextapplication/pdfhttp://repositorio.ufes.br/handle/10/14242porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)instname:Universidade Federal do Espírito Santo (UFES)instacron:UFES2024-07-18T05:59:53Zoai:repositorio.ufes.br:10/14242Repositório InstitucionalPUBhttp://repositorio.ufes.br/oai/requestriufes@ufes.bropendoar:21082024-07-18T05:59:53Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) - Universidade Federal do Espírito Santo (UFES)false
dc.title.none.fl_str_mv Separação de estrelas-galáxias usando algoritmos de machine learning aplicados aos dados preliminares do survey MINIJPAS.
Separation of star-galaxies using machine learning algorithms applied to preliminary data from the MINIJPAS survey.
title Separação de estrelas-galáxias usando algoritmos de machine learning aplicados aos dados preliminares do survey MINIJPAS.
spellingShingle Separação de estrelas-galáxias usando algoritmos de machine learning aplicados aos dados preliminares do survey MINIJPAS.
Baqui, Pedro Otavio Souza
Classificação Estrelas/Galáxias
Fotometria
Aprendiz
máquina
subject.br-rjbn
Física
title_short Separação de estrelas-galáxias usando algoritmos de machine learning aplicados aos dados preliminares do survey MINIJPAS.
title_full Separação de estrelas-galáxias usando algoritmos de machine learning aplicados aos dados preliminares do survey MINIJPAS.
title_fullStr Separação de estrelas-galáxias usando algoritmos de machine learning aplicados aos dados preliminares do survey MINIJPAS.
title_full_unstemmed Separação de estrelas-galáxias usando algoritmos de machine learning aplicados aos dados preliminares do survey MINIJPAS.
title_sort Separação de estrelas-galáxias usando algoritmos de machine learning aplicados aos dados preliminares do survey MINIJPAS.
author Baqui, Pedro Otavio Souza
author_facet Baqui, Pedro Otavio Souza
author_role author
dc.contributor.none.fl_str_mv Piattella, Oliver Fabio
https://orcid.org/0000000345580574
http://lattes.cnpq.br/5707156831919279
https://orcid.org/0000000209139952
http://lattes.cnpq.br/
Fabris, Julio Cesar
https://orcid.org/000000018880107X
http://lattes.cnpq.br/5193649615872035
Quartin, Miguel Boavista
https://orcid.org/0000000158536164
http://lattes.cnpq.br/3080181268936724
Rodrigues, Davi Cabral
https://orcid.org/0000000316835443
http://lattes.cnpq.br/5465449494182034
Abramo, Luis Raul Weber
Marra, Valerio
https://orcid.org/0000000277731579
http://lattes.cnpq.br/6846011112691877
dc.contributor.author.fl_str_mv Baqui, Pedro Otavio Souza
dc.subject.por.fl_str_mv Classificação Estrelas/Galáxias
Fotometria
Aprendiz
máquina
subject.br-rjbn
Física
topic Classificação Estrelas/Galáxias
Fotometria
Aprendiz
máquina
subject.br-rjbn
Física
description Future astrophysical research such as JPAS will produce huge datasets never seen before, reaching a rate of 150 TB per day. Therefore, new tools for processing this amount of data must be employed. Preferably they will provide us with an almost real-time
publishDate 2020
dc.date.none.fl_str_mv 2020-05-08
2024-05-30T00:49:01Z
2024-05-30T00:49:01Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://repositorio.ufes.br/handle/10/14242
url http://repositorio.ufes.br/handle/10/14242
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.format.none.fl_str_mv Text
application/pdf
dc.publisher.none.fl_str_mv Universidade Federal do Espírito Santo
BR
Doutorado em Física
Centro de Ciências Exatas
UFES
Programa de Pós-Graduação em Física
publisher.none.fl_str_mv Universidade Federal do Espírito Santo
BR
Doutorado em Física
Centro de Ciências Exatas
UFES
Programa de Pós-Graduação em Física
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)
instname:Universidade Federal do Espírito Santo (UFES)
instacron:UFES
instname_str Universidade Federal do Espírito Santo (UFES)
instacron_str UFES
institution UFES
reponame_str Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)
collection Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)
repository.name.fl_str_mv Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) - Universidade Federal do Espírito Santo (UFES)
repository.mail.fl_str_mv riufes@ufes.br
_version_ 1834479083912691712

Registros relacionados