Aprendizado de máquina para detecção de exoplanetas em dados da missão TESS

Detalhes bibliográficos
Ano de defesa: 2021
Autor(a) principal: Andrade, Israel da Silva Rodrigues de
Orientador(a): Silva, Luciano
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
eng
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
CCD
exoplanetas
aprendizado de máquina
classificador binário
árvore da decisão
reconhecimento de padrões
inteligência artificial
Link de acesso: https://dspace.mackenzie.br/handle/10899/28660
Resumo: A detecção de exoplanetas com base em curvas de luz pode ser um procedimento de alto custo computacional, especialmente quando tais curvas possuem alto nível de resolução temporal, como aquelas produzidas pela Missão TESS. O pré-processamento de curvas de luz baseado em Aprendizado de Máquina já foi utilizado com sucesso na Missão Ke pler, pela parceria entre a NASA e a Google (com o modelo tensorial do TensorFlow), permitindo excluir curvas de luz que não poderiam ter trânsitos planetários e reduzindo a quantidade de dados a serem processados posteriormente. Neste contexto, esta dissertação apresenta aplicação de outras técnicas de Aprendizado de Máquina como Árvores de Decisão, Florestas Aleatórias e Boost para reduzir o número de curvas de luz obtidas da Missão TESS que, efetivamente, podem reconhecer se há trânsitos planetários. Também são mostrados e comentados os resultados de exploração destas técnicas em curvas de luz da Missão TESS.
id UPM_6f2ae82182c2941d8aed987acbdefc62
oai_identifier_str oai:dspace.mackenzie.br:10899/28660
network_acronym_str UPM
network_name_str Repositório Digital do Mackenzie
repository_id_str
spelling Andrade, Israel da Silva Rodrigues deSilva, Luciano2022-01-19T20:13:16Z2022-01-19T20:13:16Z2021-08-16https://dspace.mackenzie.br/handle/10899/28660A detecção de exoplanetas com base em curvas de luz pode ser um procedimento de alto custo computacional, especialmente quando tais curvas possuem alto nível de resolução temporal, como aquelas produzidas pela Missão TESS. O pré-processamento de curvas de luz baseado em Aprendizado de Máquina já foi utilizado com sucesso na Missão Ke pler, pela parceria entre a NASA e a Google (com o modelo tensorial do TensorFlow), permitindo excluir curvas de luz que não poderiam ter trânsitos planetários e reduzindo a quantidade de dados a serem processados posteriormente. Neste contexto, esta dissertação apresenta aplicação de outras técnicas de Aprendizado de Máquina como Árvores de Decisão, Florestas Aleatórias e Boost para reduzir o número de curvas de luz obtidas da Missão TESS que, efetivamente, podem reconhecer se há trânsitos planetários. Também são mostrados e comentados os resultados de exploração destas técnicas em curvas de luz da Missão TESS.CAPES - Coordenação de Aperfeiçoamento de Pessoal de NívelporengAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessCCDexoplanetasaprendizado de máquinaclassificador binárioárvore da decisãoreconhecimento de padrõesinteligência artificialAprendizado de máquina para detecção de exoplanetas em dados da missão TESSinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Digital do Mackenzieinstname:Universidade Presbiteriana Mackenzie (MACKENZIE)instacron:MACKENZIEhttp://lattes.cnpq.br/7514305376858192http://lattes.cnpq.br/6042847929025220https://orcid.org/0000-0003-3526-7963Andrade, Israel da Silva Rodrigues dehttp://lattes.cnpq.br/6042847929025220https://orcid.org/0000-0003-3526-7963Silva Júnior, Alexandre Ribeirohttp://lattes.cnpq.br/1793314117702673The detection of exoplanets on lightcurves can be a task with high computational cost,specially when the light curves have a high temporal resolution level, as those produced by TESS mission. The pre-processing of light curves is based on machine learning and has already been used successfully on Kepler mission, with partnership between NASA and Google (with tensor model on Tensorflow library), it could exclude light curves which do not have planetary transits, reducing the quantity of data to be further processed. In this context will we show on this dissertation the application of other techniques of machine learning such as Decision Trees, Random Forests and Boost to reduce the number of light curves from TESS mission, which do effectively, can be recognized to have planetary transits. We also show and commented results of the exploration these techniques in light curves on TESS mission.CCDexoplanetsmachine learningbinary classifierdecision treepattern recognitionartificial intelligenceCentro de Rádio Astronomia e Astrofísica Mackenzie (CRAAM)Ciências e Aplicações GeoespaciaisCNPQ::CIENCIAS EXATAS E DA TERRA::ASTRONOMIA::ASTROFISICA ESTELARLICENSElicense.txtlicense.txttext/plain; charset=utf-81997https://dspace.mackenzie.br/bitstreams/f376ad1e-116e-47f0-b4c9-45f45586ee9a/downloadfb735e1a8fa1feda568f1b61905f8d57MD56falseAnonymousREADORIGINALDissertação Israel da Silva Rodrigues de Andrade.pdfDissertação Israel da Silva Rodrigues de Andrade.pdfIsrael da Silva Rodrigues de Andradeapplication/pdf5157350https://dspace.mackenzie.br/bitstreams/e432e999-e66a-46de-85f6-c4be52eda6bf/download3895d45fdf47c8a5ed01480586f36724MD54trueAnonymousREADCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://dspace.mackenzie.br/bitstreams/3ae83435-a767-403e-a7d4-6e21de7e28a6/downloade39d27027a6cc9cb039ad269a5db8e34MD55falseAnonymousREADTEXTDissertação Israel da Silva Rodrigues de Andrade.pdf.txtDissertação Israel da Silva Rodrigues de Andrade.pdf.txtExtracted texttext/plain125809https://dspace.mackenzie.br/bitstreams/2736c4f0-0ffa-4aa0-81f4-c27cc48f29fc/download7ade9eb9f5fc99cee5cd40e68c17097aMD59falseAnonymousREADTHUMBNAILDissertação Israel da Silva Rodrigues de Andrade.pdf.jpgDissertação Israel da Silva Rodrigues de Andrade.pdf.jpgGenerated Thumbnailimage/jpeg1213https://dspace.mackenzie.br/bitstreams/58dcb1a7-84e3-4dab-8540-e0b58978c7c5/downloadc5cea372350d9d048d404e0fb6f5d31dMD510falseAnonymousREAD10899/286602022-03-15T01:30:13.742Zhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/Attribution-NonCommercial-NoDerivs 3.0 Brazilopen.accessoai:dspace.mackenzie.br:10899/28660https://dspace.mackenzie.brBiblioteca Digital de Teses e Dissertaçõeshttp://tede.mackenzie.br/jspui/PRIhttps://adelpha-api.mackenzie.br/server/oai/repositorio@mackenzie.br||paola.damato@mackenzie.bropendoar:102772022-03-15T01:30:13Repositório Digital do Mackenzie - Universidade Presbiteriana Mackenzie (MACKENZIE)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
dc.title.pt_BR.fl_str_mv Aprendizado de máquina para detecção de exoplanetas em dados da missão TESS
title Aprendizado de máquina para detecção de exoplanetas em dados da missão TESS
spellingShingle Aprendizado de máquina para detecção de exoplanetas em dados da missão TESS
Andrade, Israel da Silva Rodrigues de
CCD
exoplanetas
aprendizado de máquina
classificador binário
árvore da decisão
reconhecimento de padrões
inteligência artificial
title_short Aprendizado de máquina para detecção de exoplanetas em dados da missão TESS
title_full Aprendizado de máquina para detecção de exoplanetas em dados da missão TESS
title_fullStr Aprendizado de máquina para detecção de exoplanetas em dados da missão TESS
title_full_unstemmed Aprendizado de máquina para detecção de exoplanetas em dados da missão TESS
title_sort Aprendizado de máquina para detecção de exoplanetas em dados da missão TESS
author Andrade, Israel da Silva Rodrigues de
author_facet Andrade, Israel da Silva Rodrigues de
author_role author
dc.contributor.author.fl_str_mv Andrade, Israel da Silva Rodrigues de
dc.contributor.advisor1.fl_str_mv Silva, Luciano
contributor_str_mv Silva, Luciano
dc.subject.por.fl_str_mv CCD
exoplanetas
aprendizado de máquina
classificador binário
árvore da decisão
reconhecimento de padrões
inteligência artificial
topic CCD
exoplanetas
aprendizado de máquina
classificador binário
árvore da decisão
reconhecimento de padrões
inteligência artificial
description A detecção de exoplanetas com base em curvas de luz pode ser um procedimento de alto custo computacional, especialmente quando tais curvas possuem alto nível de resolução temporal, como aquelas produzidas pela Missão TESS. O pré-processamento de curvas de luz baseado em Aprendizado de Máquina já foi utilizado com sucesso na Missão Ke pler, pela parceria entre a NASA e a Google (com o modelo tensorial do TensorFlow), permitindo excluir curvas de luz que não poderiam ter trânsitos planetários e reduzindo a quantidade de dados a serem processados posteriormente. Neste contexto, esta dissertação apresenta aplicação de outras técnicas de Aprendizado de Máquina como Árvores de Decisão, Florestas Aleatórias e Boost para reduzir o número de curvas de luz obtidas da Missão TESS que, efetivamente, podem reconhecer se há trânsitos planetários. Também são mostrados e comentados os resultados de exploração destas técnicas em curvas de luz da Missão TESS.
publishDate 2021
dc.date.issued.fl_str_mv 2021-08-16
dc.date.accessioned.fl_str_mv 2022-01-19T20:13:16Z
dc.date.available.fl_str_mv 2022-01-19T20:13:16Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://dspace.mackenzie.br/handle/10899/28660
url https://dspace.mackenzie.br/handle/10899/28660
dc.language.iso.fl_str_mv por
eng
language por
eng
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Digital do Mackenzie
instname:Universidade Presbiteriana Mackenzie (MACKENZIE)
instacron:MACKENZIE
instname_str Universidade Presbiteriana Mackenzie (MACKENZIE)
instacron_str MACKENZIE
institution MACKENZIE
reponame_str Repositório Digital do Mackenzie
collection Repositório Digital do Mackenzie
bitstream.url.fl_str_mv https://dspace.mackenzie.br/bitstreams/f376ad1e-116e-47f0-b4c9-45f45586ee9a/download
https://dspace.mackenzie.br/bitstreams/e432e999-e66a-46de-85f6-c4be52eda6bf/download
https://dspace.mackenzie.br/bitstreams/3ae83435-a767-403e-a7d4-6e21de7e28a6/download
https://dspace.mackenzie.br/bitstreams/2736c4f0-0ffa-4aa0-81f4-c27cc48f29fc/download
https://dspace.mackenzie.br/bitstreams/58dcb1a7-84e3-4dab-8540-e0b58978c7c5/download
bitstream.checksum.fl_str_mv fb735e1a8fa1feda568f1b61905f8d57
3895d45fdf47c8a5ed01480586f36724
e39d27027a6cc9cb039ad269a5db8e34
7ade9eb9f5fc99cee5cd40e68c17097a
c5cea372350d9d048d404e0fb6f5d31d
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Digital do Mackenzie - Universidade Presbiteriana Mackenzie (MACKENZIE)
repository.mail.fl_str_mv repositorio@mackenzie.br||paola.damato@mackenzie.br
_version_ 1863649755111882752

Registros relacionados