Please use this identifier to cite or link to this item: http://repositorio.ugto.mx/handle/20.500.12059/5075
Full metadata record
DC FieldValueLanguage
dc.rights.licensehttp://creativecommons.org/licenses/by-nc-nd/4.0es_MX
dc.creatorJorge Luis Vargas Barrera-
dc.date.accessioned2021-06-01T15:56:13Z-
dc.date.available2021-06-01T15:56:13Z-
dc.date.issued2018-11-26-
dc.identifier.urihttp://repositorio.ugto.mx/handle/20.500.12059/5075-
dc.description.abstractSe presentan resultados de la aplicación de técnicas de deep learning al problema de identificación de radio fuentes gigantes (GRSs) presentes en el catálogo NVSS. Se hizo un pre procesamiento de las imágenes para la detección de estas fuentes y posteriormente realizar su clasificación, para esto se implementó una red neuronal convolucional basada en el modelo VGG la cual se entrenó con el catálogo NVSS. El tamaño del conjunto de entrenamiento fue de 1616 imágenes astronómicas distribuidas en 16 categorías. De nuestro análisis, encontramos que nuestro método es efectivo con una precisión de 87%.es_MX
dc.language.isospaes_MX
dc.publisherUniversidad de Guanajuatoes_MX
dc.relationhttp://www.jovenesenlaciencia.ugto.mx/index.php/jovenesenlaciencia/article/view/2596-
dc.rightsinfo:eu-repo/semantics/openAccesses_MX
dc.sourceJóvenes en la Ciencia: Verano de la Investigación Científica. Vol. 4, Num 1 (2018)es_MX
dc.titleAnálisis de datos de astronomía usando algoritmos de Deep Learning y estadísticoses_MX
dc.typeinfo:eu-repo/semantics/articlees_MX
dc.subject.ctiinfo:eu-repo/classification/cti/7es_MX
dc.subject.keywordsBases de datos astronómicases_MX
dc.subject.keywordsGalaxiases_MX
dc.subject.keywordsRedes neuronaleses_MX
dc.subject.keywordsDeep learninges_MX
dc.subject.keywordsConvoluciónes_MX
dc.type.versioninfo:eu-repo/semantics/publishedVersiones_MX
dc.creator.twoSOLAI JEYAKUMAR-
dc.creator.idtwoinfo:eu-repo/dai/mx/cvu/217883es_MX
dc.description.abstractEnglishResults of the application of deep learning techniques to the problem of identifying giant radio sources (GRSs) from the data in the NVSS catalog are presented. A preprocessing of the images was done for the detection of the sources followed by their classification, for this a convolutional neural network was implemented based on the VGG model and then it was trained with the catalog NVSS. The size of the training set was of 1616 astronomical images distributed in 16 categories. In our analysis we found that our method is effective with a precision of 87%.-
Appears in Collections:Revista Jóvenes en la Ciencia

Files in This Item:
File Description SizeFormat 
Análisis de datos de astronomía usando algoritmos de Deep Learning y estadísticos.pdf449.71 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.