Uso de ensembles de classificadores para identificação do trânsito de exoplanetas em dados com relação sinal/ruído baixa

• Ano de defesa: 2022
• Autor(a) principal: Braga, Fernando Correia
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Baixo sinal/ruído; Classificadores; Classifiers; Ensemble; Exoplanetas; Exoplanets; Low signal-to-noise; Transit; Trânsito
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/100/100131/tde-28092022-220854/

O presente estudo busca avaliar a aplicação de ensemble de classificadores ao passo de identificação do método de detecção de exoplanetas através de seu trânsito, em especial para dados com baixa relação sinal/ruído. Para tanto, foi levantado o estado da arte da aplicação de classificadores e outras técnicas de inteligência artificial ao problema da busca por exoplanetas através de seu trânsito, foram identificadas as mais promissoras técnicas, e utilizando-as, foi proposto um modelo de ensemble do tipo stacking. Tanto as técnicas selecionadas quanto o modelo de stacking foram testados e validados em experimentos que seguiram uma estratégia de holdout repetitivo contra um conjunto de dados reais do telescópio espacial Kepler, que fora tratado com uma estratégia de enfraquecimento e piora de seu sinal astrofsico, por nós definida também no contexto desse estudo, a fim de gerar uma massa de dados com baixa relação sinal/rudo e com causa ou classe já conhecida. Também abordamos o uso de técnicas de amostragem do conjunto de teste como undersampling e oversampling em nossos experimentos. Tomamos como métricas de qualidade, em cada experimento, a acurácia, especificidade, sensibilidade e precisão dos classificadores, e com base nelas conseguimos identificar que há ganho no uso de técnicas de ensemble do tipo stacking, em relação aos melhores modelos do estado da arte testados.