CINTIA 2: uma hierarquia de redes neurais artificiais binárias para classificação inteligente de supernovas
Palavras-chave:
classificador inteligente, hierarquia, redes neurais artificiais, supernovas
Resumo
Supernovas são eventos catastróficos no qual algumas estrelas explodem. A classificação de supernovas é feita por especialistas por meio da análise dos espectros de luz que apresentam linhas de absorção e emissão em determinadas regiões do comprimento de onda. Os espectros de luz das supernovas apresentam padrões que podem ser usados em algoritmos de aprendizagem de máquina possibilitando assim a classificação automática e inteligente das supernovas. A classificação automática é essencial para o processamento de grande quantidade de dados em equipamentos instalados em lugares remotos, onde não é sempre possível a presença de um especialista. O objetivo deste trabalho é apresentar a CINTIA 2, aprimoramento do Classificador Inteligente de supernovas do tipo Ia, que usa uma hierarquia de redes neurais binárias do tipo Perceptron para classificar as supernovas nos tipos Ia, Ib, Ic e II. Apresentamos a arquitetura da CINTIA 2 e a ferramenta daí proveniente, desenvolvida nas linguagens de programação Python e C++. Os resultados obtidos apresentam ótimo desempenho, principalmente na classificação dos tipos Ia e II. Uma comparação com trabalhos encontrados na literatura mostra que a CINTIA 2 é superior em quantidade e diversidade de dados e alcança índices de classificação equiparáveis aos demais classificadores.Downloads
Não há dados estatísticos.
Publicado
2019-05-22
Como Citar
[1]
do Nascimento, F.J., Arantes Filho, L.R. e Guimarães, L. 2019. CINTIA 2: uma hierarquia de redes neurais artificiais binárias para classificação inteligente de supernovas. Revista Brasileira de Computação Aplicada. 11, 2 (maio 2019), 31-41. DOI:https://doi.org/10.5335/rbca.v11i2.9037.
Seção
Artigo Original
Copyright (c) 2019 Francisca Joamila Brito do Nascimento

This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Todos os artigos estão licenciados com a licença Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional. Autores que publicam nesta revista concordam com os seguintes termos:
a) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
b) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
c) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).