Modelagem do comportamento temporal do quasar 3C273 utilizando técnicas de aprendizado de máquina

Página do item simplificado
dc.contributor.advisorBotti, Luiz Claudio Lima
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/8648945122004492por
dc.contributor.authorFerrari, Ricardo Bulcão Valente
dc.creator.Latteshttp://lattes.cnpq.br/7047883160322645por
dc.date.accessioned2019-04-02T17:55:22Z
dc.date.accessioned2020-05-28T18:15:04Z
dc.date.available2020-05-28T18:15:04Z
dc.date.issued2019-02-15
dc.description.abstractUsing machine-learning techniques, this work aims to model the temporal behavior from an extragalactic radio source, the quasar 3C273, register in well-sampled light curves, applying this result to less sampled curves, so it would be possible to fill gaps that have occurred in moments in which the observations were not possible. It is also intended to study this object from the point of view of its spectral and temporal variability in the radio range of the electromagnetic spectrum. The 3C273 quasar has been monitored in radio since 1963 (Schmidt, 1963) at various frequencies and was chosen for this work because of the large amount of data available. Data from several Radio Observatories were used, such as the Radio Observatory of Itapetinga (ROI) future ROPK – Radio Observatory Pierre Kaufmann, at 22 and 43 GHz; of the Michigan Radio Observatory (UMRAO) at 4,8, 8, 14,5 GHz and the Metsähovi Radio Observatory at 22 and 37 GHz. Millimetric and submillimetric data were also used, at 1.1 and 0.8 mm from Submillimetric Interferometer Array (SMA) and at X-rays, in the range of 2-10 keV (Trueler et al. 1999; Soldi et al. 2008). Firstly we developed a code based on genetic algorithm (GA), which is a good tool to adjust the data to the observed data. However, for the GA work properly, a previous model for the fitting function is necessary, and for this reason a study of a more appropriate technique, that do not require a previous model, was performed. The artificial neural networks (ANN) mimic the learning process of the human brain, forming and applying the knowledge gained from past experiences to new problems or situations. With the mathematical development of the neural network, new and more complex architectures could be developed. In this work, a Recurrent Neural Network type called Long and Short Time Memory (LSTM) was used, which proved to be an excellent choice to model the light curves of the 3C273 quasar and to make predictions on daily light curves.eng
dc.description.abstractUtilizando técnicas de aprendizagem de máquina, este trabalho visa a modelar o comportamento temporal de uma radiofonte extragaláctica, o quasar 3C273, registrado em curvas de luz bem amostradas, aplicando este modelo desenvolvido à curvas de luz com menor amostragem, de modo a preencher lacunas nas curvas de luz ocorridas em momentos nos quais não houve possibilidade de observação. Pretende-se ainda fazer um estudo desse objeto do ponto de vista das suas variabilidades espectral e temporal na faixa rádio do espectro eletromagnético. O quasar 3C273 tem sido monitorado em rádio desde 1963 (Schmidt, 1963) em diversas frequências e foi escolhido para este trabalho devido à grande quantidade de dados disponíveis. Utilizou-se os dados do Rádio-Observatório do Itapetinga (ROI), futuramente Rádio Observatório Pierre Kaufmann, em 22 e 43 GHz; do Rádio Observatório de Michigan (UMRAO), em 4,8, 8, 14,5 GHz; do Rádio Observatório de Metsähovi, em 22 e 37 GHz. Foram utilizados ainda dados milimétricos e submilimétricos, em 272 GHz (1,1 mm) e 380 GHz (0,8 mm) do Arranjo Interferométrico Submilimétrico (SMA) e em raios-X, na faixa de 2-10 keV (Trueler et al. 1999; Soldi et al. 2008). Primeiramente foi desenvolvido um código baseado em algoritmo genético (AG), que se mostrou uma boa ferramenta para ajustar os dados criados, aos dados observados. Porém, por haver a necessidade de um modelo prévio com o qual basear a aptidão do AG, foi feito o estudo das Redes Neurais Artificiais (RNA) as quais se mostram apropriadas para a tarefa, uma vez que não requerem um modelo previamente definido. As RNA mimetizam o processo de aprendizado do cérebro humano, formando e aplicando o conhecimento adquirido de experiências passadas para novos problemas ou situações. Com o desenvolvimento matemático das redes neurais, novas e mais complexas arquiteturas puderam ser desenvolvidas. Neste trabalho foi utilizado um tipo de Rede Neural Recorrente chamado Memória de Longo e Curto Prazo (LSTM), que se mostrou uma excelente escolha para modelar as curvas de luz do quasar 3C273 e fazer predições nas curvas de luz com base diária.por
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superiorpor
dc.description.sponsorshipConselho Nacional de Desenvolvimento Científico e Tecnológicopor
dc.formatapplication/pdf*
dc.identifier.citationFERRARI, Ricardo Bulcão Valente. Modelagem do comportamento temporal do quasar 3C273 utilizando técnicas de aprendizado de máquina. 2019. 139 f. Tese( Ciências e Aplicações Geoespaciais) - Universidade Presbiteriana Mackenzie, São Paulo.por
dc.identifier.urihttp://dspace.mackenzie.br/handle/10899/25801
dc.keywordsAGNeng
dc.keywordsquasar 3C273eng
dc.keywordsradioeng
dc.keywordsvariabilityeng
dc.keywordslight curveeng
dc.keywordsevolutionary computationeng
dc.keywordsneural networkeng
dc.keywordsLong Short Term Memory (LSTM)eng
dc.languageporpor
dc.publisherUniversidade Presbiteriana Mackenziepor
dc.rightsAcesso Abertopor
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectAGNpor
dc.subjectquasar 3c273por
dc.subjectrádiopor
dc.subjectvariabilidadepor
dc.subjectcurva de luzpor
dc.subjectcomputação evolutivapor
dc.subjectredes neuraispor
dc.subjectLong Short Term Memory (LSTM)por
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::FISICApor
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::ASTRONOMIA::INSTRUMENTACAO ASTRONOMICA::RADIOASTRONOMIApor
dc.thumbnail.urlhttp://tede.mackenzie.br/jspui/retrieve/18340/Ricardo%20Bulc%c3%a3o%20Valente%20Ferrari.pdf.jpg*
dc.titleModelagem do comportamento temporal do quasar 3C273 utilizando técnicas de aprendizado de máquinapor
dc.typeTesepor
local.contributor.board1Szpigel, Sérgio
local.contributor.board1Latteshttp://lattes.cnpq.br/2578978663165124por
local.contributor.board2Silveira, Ismar Frango
local.contributor.board2Latteshttp://lattes.cnpq.br/3894359521286830por
local.contributor.board3Souza, Carlos Alexandre Wuensche de
local.contributor.board3Latteshttp://lattes.cnpq.br/1448223845901360por
local.contributor.board4Boas, José Williams dos Santos Vilas
local.contributor.board4Latteshttp://lattes.cnpq.br/6157445958371106por
local.publisher.countryBrasilpor
local.publisher.departmentEscola de Engenharia Mackenzie (EE)por
local.publisher.initialsUPMpor
local.publisher.programCiências e Aplicações Geoespaciaispor
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
Ricardo Bulcão Valente Ferrari.pdf
Tamanho:
5.11 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Coleções
Ciências e Aplicações Geoespaciais - Teses - CRAAM