@PhDThesis{Módolo:2016:ClAuSu,
               author = "M{\'o}dolo, Marcelo",
                title = "Classifica{\c{c}}{\~a}o autom{\'a}tica de supernovas usando 
                         redes neurais artificiais",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "2016",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "2016-05-04",
             keywords = "classifica{\c{c}}{\~a}o autom{\'a}tica de supernovas, 
                         an{\'a}lise do espectro de supernovas, classifica{\c{c}}{\~a}o 
                         de supernovas a partir da an{\'a}lise do espectro, tipos de 
                         supernovas, redes neurais artificiais, intelig{\^e}ncia 
                         computacional, supernovae automatic classification, supernovae 
                         spectrum analysis, supernovae classification from spectrum 
                         analysis, supernovae types, artificial neural network, 
                         computational intelligence.",
             abstract = "A classifica{\c{c}}{\~a}o de supernovas pode ser feita por 
                         especialistas humanos a partir da an{\'a}lise visual do seu 
                         espectro, mas n{\~a}o {\'e} trivial. Apenas alguns 
                         astr{\^o}nomos especialistas s{\~a}o capazes de faz{\^e}-lo e 
                         com a subjetividade inerente {\`a} percep{\c{c}}{\~a}o humana. 
                         Os classificadores autom{\'a}ticos existentes n{\~a}o fazem a 
                         modelagem usando a forma humana de analisar o espectro para 
                         classificar supernovas. Eles somente comparam a similaridade do 
                         espectro da supernova rec{\'e}m-descoberta com os espectros de 
                         supernovas que j{\'a} foram classificadas. Este trabalho 
                         prop{\~o}e um m{\'e}todo de classifica{\c{c}}{\~a}o 
                         autom{\'a}tica de supernovas baseado em Intelig{\^e}ncia 
                         Computacional que simula a maneira humana de an{\'a}lise do 
                         espectro, mas fazendo uma classifica{\c{c}}{\~a}o mais formal e 
                         menos propensa a subjetividade da an{\'a}lise humana. O paradigma 
                         b{\'a}sico {\'e} a forma como os seres humanos fazem a 
                         an{\'a}lise, mas o classificador autom{\'a}tico utiliza redes 
                         neurais artificiais para analisar o espectro e identificar a 
                         presen{\c{c}}a ou aus{\^e}ncia de elementos que determinam o 
                         tipo supernova. Quatro Redes Neurais Perceptron de M{\'u}ltiplas 
                         Camadas foram constru{\'{\i}}das. Uma rede neural para 
                         identificar cada tipo \${''}\$cl{\'a}ssico\${''}\$ de 
                         supernova: Ia, Ib, Ic e II. O classificador foi testado em uma 
                         base com 649 espectros de 221 supernovas e os resultados foram 
                         muito bons, alcan{\c{c}}ando 99,2\% de acerto na 
                         identifica{\c{c}}{\~a}o de supernovas do tipo Ia. Isso indica 
                         que a classifica{\c{c}}{\~a}o realizada por este m{\'e}todo 
                         pode ser utilizada em situa{\c{c}}{\~o}es onde n{\~a}o existe 
                         um especialista ou onde seja necess{\'a}ria uma an{\'a}lise 
                         autom{\'a}tica, sistem{\'a}tica e cont{\'{\i}}nua. A 
                         ferramenta desenvolvida neste trabalho foi denominada CIntIa, 
                         sigla para Classificador Inteligente de supernovas do tipo Ia. 
                         ABSTRACT: The supernova classification performed by human experts 
                         from visual analysis of its spectrum is not trivial. Only few 
                         expert astronomers are able to do so, and only fewer than those 
                         attempt to remove the subjectivity inherent to human perception 
                         from that analysis. The existing automatic classifiers did not 
                         model the human way of analyzing the spectrum to classify 
                         supernovas. They only compare the spectrum similarity of newfound 
                         supernova with spectra of supernovae already classified. The 
                         supernovae classification automatic method proposed here is based 
                         on Computational Intelligence, and simulates the human spectrum 
                         analysis, making it a more formal classification and less prone to 
                         subjectivity of the human itself. The basic paradigm is the way 
                         humans perform the analysis. The automatic classifier uses 
                         artificial neural networks to analyze the spectrum and identify 
                         the presence or absence of elements that determine the supernova 
                         type. Four Multilayer Perceptron Neural Network were built. One 
                         neural network to identify each {"}classic{"} type of supernova: 
                         Ia, Ib, Ic and II. The classifier was tested on a database with 
                         649 spectra of 221 different supernovae. The results are very 
                         good, reaching 99.2\% accuracy in identifying the type Ia 
                         supernovae. They indicate that the classification performed by 
                         this method can be used in situations, or that have no specialist 
                         around, or that require an automatic, systematic and continuous 
                         analysis. The tool developed in this work is named CIntIa, from 
                         the Portuguese language Classificador Inteligente de supernovas do 
                         tipo Ia, or Type Ia Supernovas Intelligent Classifier.",
            committee = "Becceneri, Jos{\'e} Carlos (presidente) and Guimar{\~a}es, 
                         Lamartine Nogueira Frutuoso (orientador) and Rosa, Reinaldo 
                         Roberto (orientador) and Stephany, Stephan and Coelho, Paula 
                         Rodrigues Teixeira and Shiguemori, Elcio Hideiti",
           copyholder = "SID/SCD",
         englishtitle = "Supernovae automatic classification using artificial neural 
                         networks",
             language = "pt",
                pages = "230",
                  ibi = "8JMKD3MGP3W34P/3LHG4GE",
                  url = "http://urlib.net/ibi/8JMKD3MGP3W34P/3LHG4GE",
           targetfile = "publicacao.pdf",
        urlaccessdate = "27 abr. 2024"
}