@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/ibi/8JMKD3MGP3W34R/3QQD3EB",
targetfile = "publicacao.pdf",
urlaccessdate = "27 abr. 2024"
}