La clasificación en astrofísica es un proceso fundamental, sobre todo cuando es necesario comprender varios aspectos de la evolución y distribución de los objetos. Sobre una imagen astronómica, necesitamos discernir entre estrellas y galaxias y determinar el tipo morfológico de cada galaxia. La clasificación espectral de las estrellas proporciona información importante sobre parámetros físicos estelares como la temperatura y nos permite determinar su distancia; con esta información, es posible evaluar otros parámetros como su tamaño físico y la distribución real en 3D de cada tipo de objetos. En este trabajo, presentamos la aplicación de dos técnicas de Inteligencia Artificial (IA) para la clasificación espectral automática de espectros estelares obtenidos a partir de la primera versión de datos de LAMOST y también a la versión más reciente (DR5). Se seleccionaron dos tipos de Redes Neuronales Artificiales: una red neuronal feedforward entrenada según el Algoritmo de Optimización de Levenberg-Marquardt (LMA) y una Red Neuronal de Regresión Generalizada (GRNN). Durante el estudio, se utilizaron cuatro conjuntos de datos: el primero se obtuvo de la primera versión de datos de LAMOST y consistió en 50731 espectros con una relación señal-ruido superior a 20, el segundo conjunto de datos se obtuvo de la base de datos espectral Indo-US (1273 espectros), el tercero (la base de datos espectral STELIB) se utilizó como conjunto de datos de prueba independiente, y el cuarto conjunto de datos se obtuvo de LAMOST DR5 y consistió en 17990 espectros estelares con una relación señal-ruido superior a 20 también. Los resultados de la primera parte del trabajo, cuando se comprobó la autoconsistencia de los datos DR1, mostraron algunos problemas en la clasificación espectral disponible en LAMOST DR1. Para lograr una mejor clasificación, realizamos un proceso en dos pasos: primero se clasificaron los conjuntos de datos de LAMOST y STELIB mediante las dos técnicas de IA entrenadas con el conjunto de datos completo de Indo-US. La clasificación resultante nos permite discriminar al menos tres grupos: el primer grupo contenía estrellas de tipo O y B, mientras que el segundo contenía estrellas de tipo A, F y G y, por último, el tercer grupo contenía estrellas de tipo K y M. El segundo paso consistió en un refinamiento de la clasificación, pero esta vez para cada grupo se seleccionaron los índices más relevantes. Comparamos la precisión alcanzada por las dos técnicas cuando son entrenadas y probadas usando los espectros de LAMOST y su clasificación publicada y las clasificaciones resultantes obtenidas con las RNAs entrenadas con el conjunto de datos Indo-US y aplicadas sobre los espectros de STELIB y LAMOST. Finalmente, en la primera parte, comparamos la clasificación de LAMOST DR1 con la clasificación obtenida mediante la aplicación de las RNAs GRNNs y LMA entrenadas con el conjunto de datos Indo-US. En la segunda parte del trabajo, analizamos un conjunto de 17990 espectros estelares de LAMOST DR5 y se verificó la mejora muy significativa en la clasificación espectral disponible en la base de datos DR5. Para ello, entrenamos RNAs utilizando la técnica de validación cruzada k-fold con k = 5.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
La velocidad a la que la energía de las soluciones para una clase de ecuación de onda -Laplaciana decae.
Artículo:
La influencia de las estructuras de vecindario específicas del problema en el rendimiento de las metaheurísticas.
Artículo:
Flujo de convección mixta y radiativa térmicamente de nanofluido MHD Williamson con energía de activación de Arrhenius y flujo de calor-masa de Cattaneo-Christov.
Artículo:
Análisis de la carga y la tensión de contacto en los dientes de la rosca de la conexión roscada Premium de tuberías y revestimientos
Artículo:
Algunas notas sobre anillos semiabelianos
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Infografía:
Sistemas de calidad. Six Sigma
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.