CLASSIFICAÇÃO MORFOLÓGICA DE GALÁXIAS A PARTIR DO SEU ESPECTRO USANDO MACHINE LEARNING

Authors

  • Jéssica H. Rodrigues Universidade de São Paulo
  • Marcio Eisencraft Universidade de São Paulo

Keywords:

Aprendizagem de máquina, aprendizagem profunda, classificação, redes neurais, morfológica, machine learning, deep learning

Abstract

Neste trabalho utilizam-se técnicas estatísticas e de deep learning para classificar morfologicamente um conjunto de galáxias a partir de características obtidas a partir de seus espectros de luz e observacionais. As galáxias utilizadas são do Sloan Digital Sky Survey e foram as estudadas e classificadas morfologicamente por Gadotti [1]. Para se obter as características espectrais utilizadas (idade das estrelas, [Fe/H] e [α/Fe] médias ponderadas por luz e por massa) utilizou-se o software STARLIGHT1 para ajustar o espectro de populações estelares na faixa 3700 a 7000 angstrons. Utilizaram-se técnicas de classificação estatística e redes neurais convolucionais e recorrentes. Das 943 galáxias com a classificação morfológica conhecida (sem bojo, bojo clássico, elípticas e pseudobojo) utilizaram-se 631 galáxias para treino e o restante para testes. Os melhores resultados foram obtidos com uma rede neural convolucional em que se obteve uma acurácia de 77%, sendo que a classe das elípticas foi a que apresentou a maior taxa de acertos.

Published

2022-12-10

How to Cite

Rodrigues, J. H., & Eisencraft, M. (2022). CLASSIFICAÇÃO MORFOLÓGICA DE GALÁXIAS A PARTIR DO SEU ESPECTRO USANDO MACHINE LEARNING. Journal of Production and Automation (JPAUT) ISSN 2595-9573, 5(2), 16–20. Retrieved from https://jpaut.com.br/index.php/jpaut/article/view/5