Mostrar el registro sencillo del ítem

dc.contributor.advisorSahelices Fernández, Benjamín es
dc.contributor.advisorBuitrago Alonso, Fernandoes
dc.contributor.authorBarrio Conde, Jorge
dc.contributor.editorUniversidad de Valladolid. Escuela de Ingeniería Informática de Valladolid es
dc.date.accessioned2021-11-17T14:56:38Z
dc.date.available2021-11-17T14:56:38Z
dc.date.issued2021
dc.identifier.urihttps://uvadoc.uva.es/handle/10324/50088
dc.description.abstractCon este Trabajo de Fin de Grado se busca indagar en los fundamentos del Aprendizaje Profundo y las redes neuronales para aplicarlos a problemasastronómicos relacionados con galaxias distantes.El primer problema consistirá en una clasificación morfológica de galaxias en función del aspecto visual de las mismas. El segundo problema se centraráen la detección de sus bordes. Ambos contarán con una serie de experimentos en los que se evaluará y comparará la precisión de los distintos modelosen función de las diferentes modificaciones que se les aplique. Dichos modelos podrán ser tanto redes neuronales convolucionales propias como modelospre-entrenados, con el propósito de explorar el potencial de la transferencia de aprendizaje.Estos problemas se aplicarán sobre las galaxias distantes más masivas de tipo espiral que pertenecen al cartografiado CANDELS, uno de los proyectosmás grandes del Telescopio Espacial Hubble y que manifiesta gran parte de las historia y evolución del universo.es
dc.description.abstractThe aim of this Bachelor’s degree final thesis is to investigate the basics of Deep Learning and to dig into the neuronal networks in order to apply them to astronomical issues regarding distant galaxies. The first point of concern will consist in the morphological classification of the galaxies according to their visual appearance. The second point of examination will focus on the detention of the galaxies’ edges. Both of these points will rely on a series of experiments. Moreover, the accuracy of the different models will be assessed and compared according to the different modifications applied to those experiments. Such models may be either own convolutional neural networks or pretrained models to explore the potential of learning transfer. These issues will apply upon the massive spiral-like faraway galaxies that belong to the cartographic CANDELS, which is one of the most renowned projects carried out by the Hubble Space Telescope and it manifests several aspects of the history and evolution of the universe.es
dc.format.mimetypeapplication/pdfes
dc.language.isospaes
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subject.classificationAprendizaje profundoes
dc.subject.classificationRedes neuronaleses
dc.subject.classificationAstroinformáticaes
dc.titleAnálisis y experimentación práctica de Frameworks Deep Learning aplicados a la astronomíaes
dc.typeinfo:eu-repo/semantics/bachelorThesises
dc.description.degreeGrado en Ingeniería Informáticaes
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internacional*


Ficheros en el ítem

Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem