| 1. Identificação | |
| Tipo de Referência | Artigo em Revista Científica (Journal Article) |
| Site | plutao.sid.inpe.br |
| Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S |
| Identificador | 8JMKD3MGP3W/45U8BQS |
| Repositório | sid.inpe.br/plutao/2021/12.09.16.00.42 (acesso restrito) |
| Última Atualização | 2021:12.15.12.22.42 (UTC) lattes |
| Repositório de Metadados | sid.inpe.br/plutao/2021/12.09.16.00.43 |
| Última Atualização dos Metadados | 2022:04.03.23.14.17 (UTC) administrator |
| ISSN | 2595-9573 |
| Rótulo | lattes: 2796582215218356 1 ArantesFoRosaGuim:2021:MuSoCl |
| Chave de Citação | ArantesFoRosaGuim:2021:MuSoCl |
| Título | DANI: A Multilearning Solution for Classifying Supernovae Data in an MMA Framework  |
| Ano | 2021 |
| Data de Acesso | 02 maio 2024 |
| Tipo de Trabalho | journal article |
| Tipo Secundário | PRE PI |
| Número de Arquivos | 1 |
| Tamanho | 268 KiB |
| 2. Contextualização | |
| Autor | 1 Arantes Filho, Luís Ricardo 2 Rosa, Reinaldo Roberto 3 Guimarães, Lamartine N. F. |
| Identificador de Curriculo | 1 2 8JMKD3MGP5W/3C9JJ5D |
| Grupo | 1 CAP-COMP-DIPGR-INPE-MCTI-GOV-BR 2 COPDT-CGIP-INPE-MCTI-GOV-BR |
| Afiliação | 1 Instituto Nacional de Pesquisas Espaciais (INPE) 2 Instituto Nacional de Pesquisas Espaciais (INPE) |
| Endereço de e-Mail do Autor | 1 luisricardoengcomp@gmail.com 2 rrrosa.inpe@gmail.com |
| Revista | Journal of Production and Automation |
| Volume | 4 |
| Número | 2 |
| Páginas | 21-25 |
| Histórico (UTC) | 2021-12-15 12:22:47 :: lattes -> administrator :: 2021 2022-04-03 23:14:17 :: administrator -> simone :: 2021 |
| 3. Conteúdo e estrutura | |
| É a matriz ou uma cópia? | é a matriz |
| Estágio do Conteúdo | concluido |
| Transferível | 1 |
| Tipo do Conteúdo | External Contribution |
| Palavras-Chave | multi-messenger Supernovae convolutional neural network deep learning |
| Resumo | The analysis of extreme cosmic events is a challenge for science, and one of the main challenges is to perform multi-messenger diagnostics on transient objects, which produce information regarding multiple energy sources. Supernovae (SNe) are characteristic examples that fall along these lines, since the study of these transient objects has enabled important advances in the field of astronomy and cosmology. The detection and accurate analysis of SNe types are one of the main goals of this research. Thus, in this short paper, we describe how to analyze SNe data using convolutional neural networks applied to the spectral data and light curves. We present the DANI system, a deep learning model, capable of classifying classical SNe explosion types by multiple sources. |
| Área | COMP |
| Arranjo 1 | urlib.net > CAP > DANI: A Multilearning... |
| Arranjo 2 | urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGIP > DANI: A Multilearning... |
| Conteúdo da Pasta doc | acessar |
| Conteúdo da Pasta source | não têm arquivos |
| Conteúdo da Pasta agreement | não têm arquivos |
| 4. Condições de acesso e uso | |
| Idioma | en |
| Arquivo Alvo | Arantes_dani_2021.pdf |
| Grupo de Usuários | lattes |
| Grupo de Leitores | administrator lattes |
| Visibilidade | shown |
| Permissão de Leitura | deny from all and allow from 150.163 |
| Permissão de Atualização | não transferida |
| 5. Fontes relacionadas | |
| Unidades Imediatamente Superiores | 8JMKD3MGPCW/3F2PHGS 8JMKD3MGPCW/46KUES5 |
| Lista de Itens Citando | sid.inpe.br/bibdigital/2013/10.12.22.16 2 sid.inpe.br/mtc-m21/2012/07.13.14.58.50 1 |
| URL (dados não confiáveis) | https://jpaut.com.br/dani-a-multilearning-solution-for-classifying-supernovae-data-in-an-mma-framework/ |
| Acervo Hospedeiro | dpi.inpe.br/plutao@80/2008/08.19.15.01 |
| 6. Notas | |
| Notas | Informações Adicionais: The analysis of extreme cosmic events is a challenge for science, and one of the main challenges is to perform multi-messenger diagnostics on transient objects, which produce information regarding multiple energy sources. Supernovae (SNe) are characteristic examples that fall along these lines, since the study of these transient objects has enabled important advances in the field of astronomy and cosmology. The detection and accurate analysis of SNe types are one of the main goals of this research. Thus, in this short paper, we describe how to analyze SNe data using convolutional neural networks applied to the spectral data and light curves. We present the DANI system, a deep learning model, capable of classifying classical SNe explosion types by multiple sources.. |
| Campos Vazios | alternatejournal archivingpolicy archivist callnumber copyholder copyright creatorhistory descriptionlevel dissemination doi e-mailaddress format isbn lineage mark mirrorrepository month nextedition orcid parameterlist parentrepositories previousedition previouslowerunit progress project rightsholder schedulinginformation secondarydate secondarykey secondarymark session shorttitle sponsor subject tertiarymark tertiarytype versiontype |
| 7. Controle da descrição | |
| e-Mail (login) | simone |
| atualizar | |