Clasificación de eventos astronómicos transitorios con redes neuronales recurrentes

En esta tesis de maestría, se introduce una metodología innovadora basada en redes neuronales recurrentes (RNN) para abordar la detección y clasificación precisa de eventos astronómicos transitorios a partir de datos reales de observación. Fundamentado en la capacidad inherente de las RNN para modelar secuencias de datos y adaptarse a la variabilidad temporal de eventos en el espacio, el enfoque emplea el conjunto de datos MANTRA, abarcando una diversidad de eventos como supernovas y núcleos activos de galaxias. Se desarrollan dos arquitecturas de preprocesamiento y se implementan unidades recurrentes con compuertas (GRU) en una red neuronal recurrente especializada. Los resultados experimentales revelan una mejora notable del rendimiento, con un incremento de hasta un 17% en precisión, destacando la eficiencia en el entrenamiento en comparación con enfoques convencionales de aprendizaje de máquina. Este avance contribuye significativamente a la automatización de la clasificación de eventos astronómicos, facilitando la detección temprana de fenómenos astrofísicos y enriqueciendo nuestra comprensión del universo en constante cambio.

• Autores: Martin Vega, Daniela
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2023
• Institución: Universidad Distrital Francisco José de Caldas
• Repositorio: RIUD: repositorio U. Distrital
• Idioma: spa
• OAI Identifier: oai:repository.udistrital.edu.co:11349/40400
• Acceso en línea: http://hdl.handle.net/11349/40400
• Palabra clave: Aprendizaje de máquina; Astrofísica; Red neuronal recurrente; Ciencia de datos; Eventos astronómicos transitorios; Maestría en Ciencias de la Información y las Comunicaciones -- Tesis y disertaciones académicas; Redes neuronales recurrentes (RNN); Detección de eventos astronómicos; Clasificación de fenómenos astrofísicos; Automatización en astronomía; Machine learning; Astrophysics; Recurrent neural network; Transient astronomical events; Data science
• License: Atribución 4.0 Internacional