Publicación: Estimación de la función de luminosidad de UCDs mediante técnicas de aprendizaje automático
Fecha
2021-09-01
Autores
Editor/a
Director/a
Tutor/a
Coordinador/a
Prologuista
Revisor/a
Ilustrador/a
Derechos de acceso
info:eu-repo/semantics/openAccess
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial
Resumen
Gaia es una misión espacial cuyo objetivo es medir una muestra de estrellas de nuestra Galaxia devolviendo tanto medidas astrométricas como fotométricas. El procesamiento de datos surge entonces de forma natural para poder responder a cuestiones planteadas por el ámbito científico. En este trabajo se crea un flujo de datos que comienza con la misión Gaia (junto con observaciones de otras misiones) y termina con la construcción de un modelo jerárquico multinivel encargado de estimar las probabilidades a posteriori de distintas variables astrofísicas junto con algunos parámetros. Para ello, primero se eliminan las observaciones ruidosas mediante un bosque aleatorio entrenado sobre los conjuntos de entrenamiento positivo, o de buenas soluciones astrométricas; y negativo, o de malas soluciones astrométricas. El resultado es una lista curada de estrellas, en cuanto a que poseen una buena solución astrométrica, que se introducen como entrada al modelo jerárquico bayesiano multinivel. Dicho modelo infiere las relaciones entre las distintas variables que intervienen en el proceso y da como resultado la estimación de la secuencia principal. La función de luminosidad se representa, a priori, según una exponencial. Esta suposición, junto con la mala escalabilidad del modelo jerárquico, debido a que posee un proceso gaussiano embebido, causan la imposibilidad de realizar una inferencia completa con todas las observaciones. La excedencia con creces del tiempo teórico de dedicación a este trabajo es el mayor impedimento de cara a finalizar lo que ha sido, y es, un estudio muy completo que aborda diferentes métodos del mundo de la ciencia de datos.
Descripción
Categorías UNESCO
Palabras clave
Inteligencia artificial, astrofísica, minería de datos, aprendizaje bayesiano, MCMC, bosque aleatorio
Citación
Centro
Facultades y escuelas::E.T.S. de Ingeniería Informática
Departamento
Inteligencia Artificial