Fechar
Metadados

@MastersThesis{ArantesFo:2018:ClInSu,
               author = "Arantes Filho, Lu{\'{\i}}s Ricardo",
                title = "Classifica{\c{c}}{\~a}o inteligente de supernovas utilizando 
                         sistemas de regras nebulosas",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "2018",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "2018-04-20",
             keywords = "supernovas, classifica{\c{c}}{\~a}o autom{\'a}tica, 
                         intelig{\^e}ncia artificial, l{\'o}gica nebulosa, supernova de 
                         tipo Ia, supernovae, automatic classification, artificial 
                         inteligence, fuzzy logic, type Ia supernovae.",
             abstract = "A teoria evolucion{\'a}ria das estrelas, dos est{\'a}gios 
                         iniciais ao de supernovas, foi fundamentada com o uso da 
                         observa{\c{c}}{\~a}o dos fen{\^o}menos e da an{\'a}lise por 
                         especialistas. As supernovas s{\~a}o o ciclo final da 
                         evolu{\c{c}}{\~a}o estelar e, na maioria dos casos, resultam de 
                         uma explos{\~a}o de colapso de n{\'u}cleo ou, em apenas uma 
                         situa{\c{c}}{\~a}o, de uma explos{\~a}o termonuclear. 
                         Supernovas termonucleares, ou seja, supernovas de tipo Ia s{\~a}o 
                         objetos de estudo de diversas {\'a}reas da astrof{\'{\i}}sica e 
                         cosmologia, principalmente, por causa de seu brilho 
                         caracter{\'{\i}}stico que pode ser utilizado na 
                         medi{\c{c}}{\~a}o de dist{\^a}ncias astron{\^o}micas. A 
                         classifica{\c{c}}{\~a}o deste fen{\^o}meno pode ser 
                         constru{\'{\i}}da pela an{\'a}lise visual de um astr{\^o}nomo 
                         que identifica no espectro {\'o}ptico as linhas espectrais de 
                         elementos como o Hidrog{\^e}nio (H), o Sil{\'{\i}}cio (Si) e o 
                         H{\'e}lio (He). Em classifica{\c{c}}{\~o}es mais refinadas 
                         podem ser avaliadas a abund{\^a}ncia de outros elementos. Este 
                         tipo de classifica{\c{c}}{\~a}o n{\~a}o {\'e} trivial e 
                         depende tanto da especialidade do astr{\^o}nomo como da qualidade 
                         dos dados. Uma das formas de tratar este problema foi desenvolvida 
                         por M{\'o}dolo (2016), utilizando redes neurais do tipo 
                         perceptron de m{\'u}ltiplas camadas, com aprendizado por 
                         retropropaga{\c{c}}{\~a}o do erro, para a 
                         classifica{\c{c}}{\~a}o de supernovas de forma a simular a 
                         maneira humana de an{\'a}lise do espectro {\'o}ptico resultando 
                         no classificador CIntIa(Classificador Inteligente de supernovas do 
                         Tipo Ia). Este classificador apresentou {\'{\i}}ndices 
                         relevantes de acertos na identifica{\c{c}}{\~a}o de supernovas 
                         de Tipo Ia. Neste sentido, este trabalho apresenta um m{\'e}todo 
                         para a an{\'a}lise e classifica{\c{c}}{\~a}o de supernovas, em 
                         espec{\'{\i}}fico, supernovas de Tipo Ia, que explora o 
                         paradigma de l{\'o}gica nebulosa da intelig{\^e}ncia artificial 
                         e o processamento dos sinais espectrais. A l{\'o}gica nebulosa, 
                         neste caso, {\'e} usada para simular a forma como o 
                         astr{\^o}nomo classifica supernovas termonucleares, 
                         proporcionando uma classifica{\c{c}}{\~a}o autom{\'a}tica e 
                         identificando as peculiaridades envolvidas no fen{\^o}meno, bem 
                         como sua evolu{\c{c}}{\~a}o temporal. O modelo desenvolvido 
                         neste trabalho {\'e} denominado SUZAN, sigla para Sistema fUZzy 
                         Avaliador de superNovas. SUZAN e CIntIa s{\~a}o sistemas 
                         projetados para o trabalho em conjunto para garantir a 
                         classifica{\c{c}}{\~a}o e a identifica{\c{c}}{\~a}o acurada de 
                         supernovas de Tipo Ia. A necessidade de dois ou mais 
                         classificadores vem, da aplica{\c{c}}{\~a}o destes sistemas em 
                         uma situa{\c{c}}{\~a}o que requer a opera{\c{c}}{\~a}o de 
                         maneira autom{\'a}tica e isolada, onde n{\~a}o existe um 
                         especialista para manipular os sistemas e validar a 
                         classifica{\c{c}}{\~a}o, neste caso, os sistemas providenciam 
                         uma redund{\^a}ncia na identifica{\c{c}}{\~a}o de supernovas. 
                         Como resultado {\'e} demonstrado o desempenho do modelo para a 
                         classifica{\c{c}}{\~a}o de 3697 espectros de 588 supernovas 
                         diferentes, atingindo um {\'{\i}}ndice de precis{\~a}o e 
                         acur{\'a}cia de 96,4% para a classifica{\c{c}}{\~a}o das 
                         supernovas de tipo Ia. ABSTRACT: The evolutionary theory of the 
                         stars, from the early stages to supernovae, was based on the use 
                         of phenomena observation and analysis by specialists. Supernovae 
                         are the final cycle of stellar evolution and, in most cases, 
                         result from an explosion of core collapse or, in only one 
                         situation, from a thermonuclear explosion. Thermonuclear 
                         supernovae, i.e., type Ia supernovae are object of study of 
                         several areas of astrophysics and cosmology, mainly, because of 
                         its characteristic brightness that can be used in the measurement 
                         of astronomical distances. The classification of this phenomenon 
                         can be constructed by the visual analysis of an astronomer who 
                         identifies in the optical spectrum the spectral lines of elements 
                         such as Hydrogen (H), Silicon (Si) and Helium (He). In more 
                         refined classifications the abundance of other elements can be 
                         evaluated. This type of classification is not trivial and depends 
                         on both the astronomer's specialty and the data quality. One of 
                         the ways to deal with this problem was developed by M{\'o}dolo 
                         (2016), using multilayer perceptron neural networks, with learning 
                         by backpropagation algorithm, for the classification of supernovae 
                         in order to simulate the human way of optical spectrum analysis 
                         resulting in the CIntIa classifier (Intelligent Type Ia supernova 
                         classifier) from the Portuguese language - Classificador 
                         Inteligente de supernovas do tipo Ia. In this sense, this work 
                         presents a method for analysis and classification of supernovae, 
                         in particular, Type Ia supernovae, which explores the Fuzzy Logic 
                         paradigm of artificial intelligence and the processing of spectral 
                         signals. The Fuzzy Logic, in this case, is used to simulate the 
                         way the astronomer classifies thermonuclear supernovae, providing 
                         an automatic classification and identifying the peculiarities 
                         involved in the phenomenon, as well as its temporal evolution. The 
                         model developed is called Fuzzy System Appraiser of Supernovae 
                         SUZAN, from the Portuguese Language Sistema fUZzy Avaliador de 
                         superNovas. SUZAN and CIntIa are systems designed to work together 
                         to ensure the classification and accurate identification of Type 
                         Ia supernovae. The need for two or more classifiers comes from the 
                         application of these systems in a situation that requires the 
                         operation in an automatic and isolated manner , where there is no 
                         specialist to manipulate the systems and validate the 
                         classification, in this case, the systems provide a redundancy in 
                         the supernovae identification. As a result, the performance of the 
                         model for the classification of 3697 spectra of 588 different 
                         supernovae was demonstrated, reaching a precision and accuracy 
                         index of 96.4% for the classification of type Ia supernovae.",
            committee = "Stephany, Stephan (presidente) and Guimar{\~a}es, Lamartine 
                         Nogueira Frutuoso (orientador) and Rosa, Reinaldo Roberto and 
                         Oliveira, Alexandre Soares de and M{\'o}dulo, Marcelo",
         englishtitle = "Intelligent supernovae classification using systems of fuzzy 
                         rules",
             language = "pt",
                pages = "185",
                  ibi = "8JMKD3MGP3W34R/3QQD3EB",
                  url = "http://urlib.net/rep/8JMKD3MGP3W34R/3QQD3EB",
           targetfile = "publicacao.pdf",
        urlaccessdate = "24 nov. 2020"
}


Fechar