Aprendizaje automático para identificar poblaciones estelares en galaxias cercanas
Se ha realizado un estudio de diferentes poblaciones estelares en galaxias cercanas. Este se ha basado en datos fotométricos multibanda obtenidos con el Hubble Space Telescope. En el análisis se han aplicado técnicas de aprendizaje automático no supervisado a fin de reconocer tanto las poblaciones e...
Guardado en:
| Autores principales: | , , , |
|---|---|
| Formato: | Articulo |
| Lenguaje: | Español |
| Publicado: |
2021
|
| Materias: | |
| Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/167837 |
| Aporte de: |
| Sumario: | Se ha realizado un estudio de diferentes poblaciones estelares en galaxias cercanas. Este se ha basado en datos fotométricos multibanda obtenidos con el Hubble Space Telescope. En el análisis se han aplicado técnicas de aprendizaje automático no supervisado a fin de reconocer tanto las poblaciones estelares, como los grupos de estrellas en la población más joven. En ambos casos se han utilizado diferentes algoritmos de agrupamiento y se ha evaluado la eficiencia de los mismos. La metodología aplicada ha permitido llevar a cabo la tarea evitando el uso de criterios preconcebidos. Adicionalmente, se ha logrado caracterizar la distribución espacial de cada una de las poblaciones estelares considerando sus similitudes con una estructura de tipo fractal. De esta forma, ha sido posible identificar a las poblaciones mas jóvenes con una estructura jerárquica y a las poblaciones mas evolucionadas con distribuciones homogéneas, salvo fluctuaciones a muy gran escala. |
|---|