• español
  • English
  • français
  • Deutsch
  • português (Brasil)
  • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Stöbern

    Gesamter BestandBereicheErscheinungsdatumAutorenSchlagwortenTiteln

    Mein Benutzerkonto

    Einloggen

    Statistik

    Benutzungsstatistik

    Compartir

    Dokumentanzeige 
    •   UVaDOC Startseite
    • STUDIENABSCHLUSSARBEITEN
    • Trabajos Fin de Grado UVa
    • Dokumentanzeige
    •   UVaDOC Startseite
    • STUDIENABSCHLUSSARBEITEN
    • Trabajos Fin de Grado UVa
    • Dokumentanzeige
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano

    Exportar

    RISMendeleyRefworksZotero
    • edm
    • marc
    • xoai
    • qdc
    • ore
    • ese
    • dim
    • uketd_dc
    • oai_dc
    • etdms
    • rdf
    • mods
    • mets
    • didl
    • premis

    Citas

    Por favor, use este identificador para citar o enlazar este ítem:https://uvadoc.uva.es/handle/10324/50088

    Título
    Análisis y experimentación práctica de Frameworks Deep Learning aplicados a la astronomía
    Autor
    Barrio Conde, Jorge
    Director o Tutor
    Sahelices Fernández, BenjamínAutoridad UVA
    Buitrago Alonso, FernandoAutoridad UVA
    Editor
    Universidad de Valladolid. Escuela de Ingeniería Informática de ValladolidAutoridad UVA
    Año del Documento
    2021
    Titulación
    Grado en Ingeniería Informática
    Zusammenfassung
    Con 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.
     
    The 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.
    Palabras Clave
    Aprendizaje profundo
    Redes neuronales
    Astroinformática
    Idioma
    spa
    URI
    https://uvadoc.uva.es/handle/10324/50088
    Derechos
    openAccess
    Aparece en las colecciones
    • Trabajos Fin de Grado UVa [30858]
    Zur Langanzeige
    Dateien zu dieser Ressource
    Nombre:
    TFG-G5231.pdf
    Tamaño:
    8.444Mb
    Formato:
    Adobe PDF
    Thumbnail
    Öffnen
    Attribution-NonCommercial-NoDerivatives 4.0 InternacionalSolange nicht anders angezeigt, wird die Lizenz wie folgt beschrieben: Attribution-NonCommercial-NoDerivatives 4.0 Internacional

    Universidad de Valladolid

    Powered by MIT's. DSpace software, Version 5.10