| 1. Identificação | ||||
| Tipo de Referência | Artigo em Evento (Conference Proceedings) | |||
| Site | mtc-m21c.sid.inpe.br | |||
| Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S | |||
| Identificador | 8JMKD3MGP3W34R/3RKCAAH | |||
| Repositório | sid.inpe.br/mtc-m21c/2018/08.10.16.19 | |||
| Última Atualização | 2020:05.25.15.41.18 (UTC) simone | |||
| Repositório de Metadados | sid.inpe.br/mtc-m21c/2018/08.10.16.19.53 | |||
| Última Atualização dos Metadados | 2022:09.14.20.11.36 (UTC) administrator | |||
| Chave Secundária | INPE--PRE/ | |||
| Chave de Citação | BariniBottFerr:2018:AnCuLu | |||
| Título | Análise das curvas de luz de AGNs utilizando algoritmos baseados em auto-aprendizagem  | |||
| Ano | 2018 | |||
| Data de Acesso | 20 maio 2024 | |||
| Tipo Secundário | PRE CN | |||
| Número de Arquivos | 1 | |||
| Tamanho | 65 KiB | |||
| 2. Contextualização | ||||
| Autor | 1 Barini, Wesley Araujo 2 Botti, Luiz Cláudio Lima 3 Ferrari, Ricardo Bulcão Valente | |||
| Identificador de Curriculo | 1 2 8JMKD3MGP5W/3C9JHN7 | |||
| Grupo | 1 2 DIDAS-CGCEA-INPE-MCTIC-GOV-BR | |||
| Afiliação | 1 Universidade Mackenzie 2 Instituto Nacional de Pesquisas Espaciais (INPE) 3 Universidade Mackenzie | |||
| Endereço de e-Mail do Autor | 1 weslwy_barinietec@outlook.com 2 luizquas@yahoo.com.br | |||
| Nome do Evento | Seminário de Iniciação Científica e Iniciação em Desenvolvimento Tecnológico e Inovação (SICINPE) | |||
| Localização do Evento | São José dos Campos, SP | |||
| Data | 30-31 jul. | |||
| Histórico (UTC) | 2018-08-10 16:19:53 :: simone -> administrator :: 2018-08-11 03:23:41 :: administrator -> simone :: 2018 2018-08-29 16:53:28 :: simone -> administrator :: 2018 2019-01-04 16:57:09 :: administrator -> simone :: 2018 2019-01-07 11:24:04 :: simone -> administrator :: 2018 2019-01-14 17:06:33 :: administrator -> simone :: 2018 2020-05-25 15:41:18 :: simone -> administrator :: 2018 2022-09-14 20:11:36 :: administrator -> simone :: 2018 | |||
| 3. Conteúdo e estrutura | ||||
| É a matriz ou uma cópia? | é a matriz | |||
| Estágio do Conteúdo | concluido | |||
| Transferível | 1 | |||
| Tipo do Conteúdo | External Contribution | |||
| Tipo de Versão | publisher | |||
| Resumo | Este trabalho, iniciado em agosto de 2017, tem como objetivo analisar curvas de luz de um AGNs utilizando algoritmos de auto-aprendizagem. Baseando-se no modelo AGN mais aceito pela comunidade científica, que consiste em um buraco negro massivo em seu centro e um disco de acréscimo em seu entorno, cujo conjunto ejeta dois jatos relativísticos em direções opostas transversalmente ao plano do disco, foi possível saber de onde vêm os dados, que provêm da interação entre a matéria do disco de acréscimo e o buraco negro central. Utilizando-se dados dos observatórios espalhados pelo mundo foi possível montar um banco de dados e analisar as variações temporais de emissão de densidade de fluxo nas diferentes regiões do espectro eletromagnético, no entanto notou-se que os AGNs têm um comportamento atípico o qual não há aparentemente um padrão comportamental. Na tentativa de compreender melhor seu comportamento bem como das curvas de luz, apropriou-se dos algoritmos genéticos como ferramenta, que têm uma abordagem diferente da própria programação tradicional, pois é estruturada e pensada nas leis evolutivas de Charles Darwin (1809- 1882). Para aplicá-la, foi necessário compreender seu funcionamento e esquema de montagem de suas estruturas. Primeiramente, cria-se uma população inicial randomicamente, a qual representa possíveis soluções (ou reprodução) da curva de luz. Através de uma função chamada de função aptidão (fitness), estes indivíduos são testados e classificados de acordo com sua proximidade da solução do problema que se deseja otimizar. Os melhores indivíduos são selecionados e passam por processos de reprodução cruzada (crossover) e mutação gerando uma nova população, a qual será testada novamente através da aptidão. Após diversas interações do algoritmo foi possível reproduzir dados que possibilitaram a montagem de uma curva de luz em determinada frequência de observação e por fim compará-los com a curva de luz real. Com esta abordagem comparativa espera-se que os dados computacionais cheguem o mais próximo possível da realidade. | |||
| Área | CEA | |||
| Arranjo 1 | urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDAS > Análise das curvas... | |||
| Arranjo 2 | urlib.net > BDMCI > Fonds > Acervo PIBIC/PIBITI > PIBIC/PIBITI 2018 > Análise das curvas... | |||
| Conteúdo da Pasta doc | acessar | |||
| Conteúdo da Pasta source | não têm arquivos | |||
| Conteúdo da Pasta agreement |
| |||
| 4. Condições de acesso e uso | ||||
| URL dos dados | http://mtc-m21c.sid.inpe.br/ibi/8JMKD3MGP3W34R/3RKCAAH | |||
| URL dos dados zipados | http://mtc-m21c.sid.inpe.br/zip/8JMKD3MGP3W34R/3RKCAAH | |||
| Idioma | pt | |||
| Arquivo Alvo | Barini_analise.pdf | |||
| Grupo de Usuários | simone | |||
| Grupo de Leitores | administrator simone | |||
| Visibilidade | shown | |||
| Permissão de Atualização | não transferida | |||
| 5. Fontes relacionadas | ||||
| Unidades Imediatamente Superiores | 8JMKD3MGPCW/3ETR8EH 8JMKD3MGPDW34P/478H8K5 | |||
| Lista de Itens Citando | sid.inpe.br/mtc-m16c/2022/07.08.19.44 8 sid.inpe.br/mtc-m21/2012/07.13.14.54.14 2 | |||
| Acervo Hospedeiro | urlib.net/www/2017/11.22.19.04 | |||
| 6. Notas | ||||
| Notas | Bolsa PIBIC/INPE/CNPq | |||
| Campos Vazios | archivingpolicy archivist booktitle callnumber copyholder copyright creatorhistory descriptionlevel dissemination doi e-mailaddress edition editor format isbn issn keywords label lineage mark mirrorrepository nextedition numberofvolumes orcid organization pages parameterlist parentrepositories previousedition previouslowerunit progress project publisher publisheraddress readpermission rightsholder schedulinginformation secondarydate secondarymark serieseditor session shorttitle sponsor subject tertiarymark tertiarytype type url volume | |||
| 7. Controle da descrição | ||||
| e-Mail (login) | simone | |||
| atualizar | ||||