Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/4933| Title: | TECNICAS DE APRENDIZAJE AUTOMATIZADO PARA LA BUSQUEDA DE ESTRELLAS SIMBIOTICAS EN LA MISIÓN GAIA (DR2) |
| Authors: | HERNANDEZ MONTES, ROGELIO |
| Issue Date: | 2019-08-01 |
| Publisher: | Tecnológico Nacional de México |
| metadata.dc.publisher.tecnm: | Instituto Tecnológico de Ciudad Guzmán |
| Description: | El universo siempre ha maravillado a la humanidad. La curiosidad ha llevado al hombre al desarrollo de diversos instrumentos y técnicas para el estudio y comprensión de los cuerpos celestes. Los telescopios, instrumentos diseñados para esta función, han sido los principales generadores de información, misma que necesita ser procesada y analizada para obtener datos de utilidad en el campo de la astrofísica. Además existen objetos que por sus características inherentes pueden llegar a ser difíciles de clasificar, ya sea por su peculiaridad, o por su gran similitud con otros objetos, lo que causa confusión. Respondiendo a esta realidad se presenta este proyecto de tesis, que aborda el problema con una solución computacional, que consiste en realizar la búsqueda de estrellas simbióticas a través de algoritmos de aprendizaje automatizado. Las bases de datos utilizada pertenecen a la misión espacial GAIA de la Agencia Espacial Europea (ESA por sus siglas en inglés) y específicamente la última entrega de datos denominada DR2, que fue liberada el 25 de abril de 2018 (ESA,2019). Las técnicas que se utilizaron fueron los algoritmos de redes neuronales (ANN), Random Forest (RF), árboles de decisión (DT) y máquinas de soporte vectorial (SVM). Los resultados obtenidos en la presente investigación son alentadores para la realización de la búsqueda y clasificación de las estrellas binarias, ya que RF presentó un índice kappa de 98% y el peor resultado fue DT con 90%. En el capítulo uno se presenta el planteamiento del problema, se aborda la necesidad de realizar una identificación correcta de estrellas simbióticas a través de técnicas de inteligencia artificial. También se plasma el objetivo de la tesis y la hipótesis que se plantea demostrar a través de este proyecto. El capítulo dos contiene las bases teóricas sobre las cuales se sustenta el presente trabajo de tesis. Las bases teóricas han sido separadas en tres conjuntos con base al área que corresponden como criterio de separación. Los conjuntos consisten en Astrofísica, en Software y Big Data. Además de las bases teóricas se incluye en este capítulo investigaciones las cuales se encuentran relacionadas con el trabajo realizado. El capítulo tres presenta la metodología utilizada para el desarrollo de la tesis. Información sobre la investigación, como el tipo de investigación, población y muestra usadas. Igualmente en este capítulo se encuentra la descripción y configuración de las técnicas de aprendizaje automático utilizadas. |
| metadata.dc.type: | info:eu-repo/semantics/masterThesis |
| Appears in Collections: | Tesis maestría en ciencias de la computación |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| 2017_2019_Tesis_RogelioHM.pdf | 3.42 MB | Adobe PDF | View/Open |
This item is protected by original copyright |
This item is licensed under a Creative Commons License
