Identificación de candidatas a estrellas Be utilizando redes neuronales

Mostrar todas las versiones(2)

Las bases de datos astronómicas proporcionan actualmente grandes volúmenes de información espectroscópica y fotométrica. En particular, los datos fotométricos resultan relativamente más fáciles de obtener debido al menor tiempo de uso del telescopio, con lo cual existe una creciente necesidad de uti...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Aidelman, Yael Judith, Escudero, Carlos Gabriel, Ronchetti, Franco, Quiroga, Facundo Manuel, Granada, Anahí, Lanzarini, Laura Cristina
Formato: Articulo
Lenguaje:Español
Publicado: 2021
Materias:
Ciencias Astronómicas
methods: data analysis
stars: emission-line, Be
surveys
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/166034
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-166034
record_format dspace
spelling I19-R120-10915-1660342024-05-14T20:03:12Z http://sedici.unlp.edu.ar/handle/10915/166034 Identificación de candidatas a estrellas Be utilizando redes neuronales Aidelman, Yael Judith Escudero, Carlos Gabriel Ronchetti, Franco Quiroga, Facundo Manuel Granada, Anahí Lanzarini, Laura Cristina 2021 2024-05-14T17:27:51Z es Ciencias Astronómicas methods: data analysis stars: emission-line, Be surveys Las bases de datos astronómicas proporcionan actualmente grandes volúmenes de información espectroscópica y fotométrica. En particular, los datos fotométricos resultan relativamente más fáciles de obtener debido al menor tiempo de uso del telescopio, con lo cual existe una creciente necesidad de utilizarlos para identificar automáticamente objetos específicos y luego estudiarlos en detalle. En este trabajo, nos centramos en la identificación fotométrica de estrellas Be, objetos tempranos que presentan la línea Ha en emisión. Este tipo de objeto es de interés para el entendimiento de la evolución de estrellas en alta rotación, y también para el estudio de la física de discos circunestelares. Para su identificación, utilizamos datos fotométricos (VPHAS+, 2MASS y A11WISE) y espectroscópicos (LAMOST), junto con técnicas de aprendizaje automático, como las redes neuronales. Nuestros resultados muestran que utilizar los índices Q libres de enrojecimiento como descriptores, proporcionan una mejora significativa en la identificación fotométrica de estrellas Be. Astronomical databases currently provide large volumes of spectroscopic and photometric information. In particular, as photometric data is relatively easier to obtain due to the shorter use time of the telescope, there is an increasing need to use those data in order to automatically identify specific objects and study them in detail afterwards. In this work, we focus on the photometric identification of Be stars, early-type stars with Ha line in emission. These kind of objects are very interest for understanding the evolution of fast rotating stars, and also for the study of the physics of circumstellar disks. For their identification, we use photometric (VPHAS+, 2MASS, A1WISE) and spectroscopic (LAMOST) databases, together with machine learning techniques, such as neural networks. Our results show that using the reddening-free Q indices as features provides a significant improvement in the photometric identification of Be stars. Asociación Argentina de Astronomía Articulo Articulo http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf 62-64
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Astronómicas
methods: data analysis
stars: emission-line, Be
surveys
spellingShingle Ciencias Astronómicas
methods: data analysis
stars: emission-line, Be
surveys
Aidelman, Yael Judith
Escudero, Carlos Gabriel
Ronchetti, Franco
Quiroga, Facundo Manuel
Granada, Anahí
Lanzarini, Laura Cristina
Identificación de candidatas a estrellas Be utilizando redes neuronales
topic_facet Ciencias Astronómicas
methods: data analysis
stars: emission-line, Be
surveys
description Las bases de datos astronómicas proporcionan actualmente grandes volúmenes de información espectroscópica y fotométrica. En particular, los datos fotométricos resultan relativamente más fáciles de obtener debido al menor tiempo de uso del telescopio, con lo cual existe una creciente necesidad de utilizarlos para identificar automáticamente objetos específicos y luego estudiarlos en detalle. En este trabajo, nos centramos en la identificación fotométrica de estrellas Be, objetos tempranos que presentan la línea Ha en emisión. Este tipo de objeto es de interés para el entendimiento de la evolución de estrellas en alta rotación, y también para el estudio de la física de discos circunestelares. Para su identificación, utilizamos datos fotométricos (VPHAS+, 2MASS y A11WISE) y espectroscópicos (LAMOST), junto con técnicas de aprendizaje automático, como las redes neuronales. Nuestros resultados muestran que utilizar los índices Q libres de enrojecimiento como descriptores, proporcionan una mejora significativa en la identificación fotométrica de estrellas Be.
format Articulo
Articulo
author Aidelman, Yael Judith
Escudero, Carlos Gabriel
Ronchetti, Franco
Quiroga, Facundo Manuel
Granada, Anahí
Lanzarini, Laura Cristina
author_facet Aidelman, Yael Judith
Escudero, Carlos Gabriel
Ronchetti, Franco
Quiroga, Facundo Manuel
Granada, Anahí
Lanzarini, Laura Cristina
author_sort Aidelman, Yael Judith
title Identificación de candidatas a estrellas Be utilizando redes neuronales
title_short Identificación de candidatas a estrellas Be utilizando redes neuronales
title_full Identificación de candidatas a estrellas Be utilizando redes neuronales
title_fullStr Identificación de candidatas a estrellas Be utilizando redes neuronales
title_full_unstemmed Identificación de candidatas a estrellas Be utilizando redes neuronales
title_sort identificación de candidatas a estrellas be utilizando redes neuronales
publishDate 2021
url http://sedici.unlp.edu.ar/handle/10915/166034
work_keys_str_mv AT aidelmanyaeljudith identificaciondecandidatasaestrellasbeutilizandoredesneuronales
AT escuderocarlosgabriel identificaciondecandidatasaestrellasbeutilizandoredesneuronales
AT ronchettifranco identificaciondecandidatasaestrellasbeutilizandoredesneuronales
AT quirogafacundomanuel identificaciondecandidatasaestrellasbeutilizandoredesneuronales
AT granadaanahi identificaciondecandidatasaestrellasbeutilizandoredesneuronales
AT lanzarinilauracristina identificaciondecandidatasaestrellasbeutilizandoredesneuronales
_version_ 1807223162195148800

Ejemplares similares