Rethinking Stella: comparativa de redes neuronales convolucionales para la clasificación de fulguraciones estelares en curvas de luz de la misión TESS

Abstract

Este estudio tiene como objetivo mejorar el desempeño del algoritmo Stella en la clasificación de fulguraciones estelares en curvas de luz obtenidas a través de la misión TESS. Para ello, se evaluaron 11 modelos con diferentes arquitecturas de redes neuronales convolucionales (CNN), incluyendo 6 arquitecturas conocidas y 5 nuevas implementaciones. Los resultados demuestran que los 5 modelos propuestos en el segundo experimento mejoran significativamente las métricas de accuracy, precision y recall, logrando una mejora de 2.1%, 3.02% y 7.1% respectivamente en el conjunto de validación. Además, se obtuvo una mejora de 5.4% en la clasificación de verdaderos positivos en el conjunto de validación y 4.42% en el conjunto de test según sus matrices de confusión. Además, las arquitecturas optimizadas permiten reducir en un 67.2% el número de parámetros entrenables con respecto al algoritmo Stella.