• Mi Re-Unir
    Búsqueda Avanzada
    JavaScript is disabled for your browser. Some features of this site may not work without it.
    Ver ítem 
    •   Inicio
    • TRABAJOS FIN DE MÁSTER
    • Área de Ingeniería y Tecnología
    • Ver ítem
    •   Inicio
    • TRABAJOS FIN DE MÁSTER
    • Área de Ingeniería y Tecnología
    • Ver ítem

    Machine Learning Tools for Open Cluster Characterization with Gaia DR2 Data

    Autor: 
    Álvaro-Yunta, Carlos David
    Fecha: 
    31/12/2020
    Palabra clave: 
    data analysis; deep embedded clustering; machine learning; open clusters characterization; análisis de datos; caracterización de cúmulos abiertos; gaia; inteligencia artificial; Máster Universitario en Inteligencia Artificial
    Tipo de Ítem: 
    masterThesis
    URI: 
    https://reunir.unir.net/handle/123456789/11384
    Open Access
    Resumen:
    La caracterización y conocimiento de Cúmulos Abiertos permite conocer mejor propiedades y mecanismos del Universo tales como la formación de estrellas y las regiones donde se dan estos procesos. También permiten obtener información sobre procesos estelares y la evolución del disco galáctico. En este trabajo presentamos un método novedoso para caracterizar estos cúmulos. Nuestro método hace uso de un modelo basado en Redes Neuronales Artificiales. Más concretamente, adaptamos un modelo del estado del arte, el Deep Embedded Clustering (DEC), a nuestro problema. El método desarrollado tiene como objetivo mejorar las técnicas clásicas del estado del arte. Con nuestro método, no sólo mejoramos en términos de eficiencia de cálculo (consiguiendo menores requisitos computacionales), también mejoramos en usabilidad (reduciendo el número de hiperparámetros para conseguir una buena caracterización de los cúmulos analizados). Para nuestro experimentos, usamos la base de datos Gaia DR2 como fuente de datos, y comparamos nuestro modelos con el algoritmo de clustering K-Medias. Nuestro método consigue buenos resultados, siendo incluso mejor (en algunos casos) que las técnicas actuales.
    Descripción: 
    The characterization and understanding of Open Clusters (OCs) allow us to understand better properties and mechanisms about the Universe such as stellar formation and the regions where these events occur. They also provide information about stellar processes and the evolution of the galactic disk. In this work, we present a novel method to characterize OCs. Our method employs a model built on Artificial Neural Networks (ANNs). More specifically, we adapted a state of the art model, the Deep Embedded Clustering (DEC) model for our purpose. The developed method aims to improve classical state of the arts techniques. We improved not only in terms of computational efficiency (with lower computational requirements), but in usability (reducing the number of hyperparameters to get a good characterization of the analyzed clusters). For our experiments, we used the Gaia DR2 database as the data source, and compared our model with the clustering technique K-Means. Our method achieves good results, becoming even better (in some of the cases) than current techniques.
    Mostrar el registro completo del ítem
    Ficheros en el ítem
    icon
    Nombre: Álvaro Yunta, Carlos David.pdf
    Tamaño: 73.52Mb
    Formato: application/pdf
    Ver/Abrir
    Este ítem aparece en la(s) siguiente(s) colección(es)
    • Área de Ingeniería y Tecnología

    Estadísticas de uso

    Año
    2012
    2013
    2014
    2015
    2016
    2017
    2018
    2019
    2020
    2021
    2022
    2023
    2024
    2025
    Vistas
    0
    0
    0
    0
    0
    0
    0
    0
    0
    266
    85
    80
    115
    53
    Descargas
    0
    0
    0
    0
    0
    0
    0
    0
    0
    223
    45
    43
    72
    24

    Ítems relacionados

    Mostrando ítems relacionados por Título, autor o materia.

    • CYSAS-S3: a novel dataset for validating cyber situational awareness related tools for supporting military operations 

      Daton Medenou, Roumen ; Calzado Mayo, Victor Manuel; Garcia Balufo, Miriam; Páramo Castrillo, Miguel; González Garrido, Francisco José; Luis Martinez, Alvaro; Nevado Catalán, David; Hu, Ao; Sandoval Rodriguez-Bermejo, David; Maestre Vidal, Jorge; Pasqual de Riquelme, Gerardo Ramis; Berardi, Antonio; De Santis, Paolo; Torelli, Francesco; Llopis Sánchez, Salvador (ACM International Conference Proceeding Series, 2020)
      The lack of suitable datasets and evaluation processes entails one of the most challenging gaps on the digital transformation era, where data-driven solutions like machine learning algorithms constitute a key pillar of the ...
    • Introducing the CYSAS-S3 Dataset for Operationalizing a Mission-Oriented Cyber Situational Awareness 

      Medenou Choumanof, Roumen Daton; Llopis Sánchez, Salvador; Calzado Mayo, Victor Manuel; Garcia Balufo, Miriam; Páramo Castrillo, Miguel; González Garrido, Francisco José; Luis Martinez, Alvaro; Nevado Catalán, David; Hu, Ao; Rodriguez-Bermejo, David Sandoval; Pasqual De Riquelme, Gerardo Ramis; Sotelo Monge, Marco Antonio; Berardi, Antonio; De Santis, Paolo; Torelli, Francesco; Maestre Vidal, Jorge (Sensors, 2022)
      The digital transformation of the defence sector is not exempt from innovative requirements and challenges, with the lack of availability of reliable, unbiased and consistent data for training automatisms (machine learning ...
    • El uso de las redes sociales y su relación con la decisión de compra del turista 

      Caldevilla-Domínguez, David; Barrientos-Baez, Almudena; Pérez-García, Álvaro ; Gallego Jiménez, Gloria (VIVAT academia, 2021)
      Tras la depresión provocada a escala internacional por la pandemia de la covid-19, el sector del turismo necesita recuperarse en un contexto de falta de capital para inversiones. En ese sentido, el contacto rápido y económico ...

    Mi cuenta

    AccederRegistrar

    ¿necesitas ayuda?

    Manual de UsuarioContacto: reunir@unir.net

    Listar

    todo Re-UnirComunidades y coleccionesPor fecha de publicaciónAutoresTítulosPalabras claveTipo documentoTipo de accesoEsta colecciónPor fecha de publicaciónAutoresTítulosPalabras claveTipo documentoTipo de acceso






    Aviso Legal Política de Privacidad Política de Cookies Cláusulas legales RGPD
    © UNIR - Universidad Internacional de La Rioja
     
    Aviso Legal Política de Privacidad Política de Cookies Cláusulas legales RGPD
    © UNIR - Universidad Internacional de La Rioja