Publicação: Classificador LGBM aplicado na resolução do Desafio Plasticc do Telescópio LSST
Carregando...
Tipo do documento
Data
Direito de acesso
Coleções
Programa
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Título da Revista
ISSN da Revista
Título de Volume
Orientador
Coorientador
Resumo
Em 2019 será construído o telescópio Large Synoptic Survey Telescope (LSST) que irá revolucionar a identificação de fontes astronômicas. Esse telescópio irá descobrir de 10 a 100 vezes mais objetos do que jamais foi descoberto, possivelmente incluindo classes de objetos ainda desconhecidos pela astronomia. Diante do volume de dados que serão gerados, algoritmos capazes de identificar e ordenar os objetos observados são cruciais. Para desenvolverem tais algoritmos, O LSST Corporation em conjunto com equipes de pesquisadores criaram o The Photometric LSST Astronomical Time-Series Classification Challenge(PLAsTiCC)comointuitodeobtercolaboraçãodacomunidadededatascience e machine learning. Dito isso, esse trabalho de conclusão de curso constrói um modelo classificador para solucionar o problema proposto pelo PLAsTiCC. TalclassificadorempregaoalgoritmoLightGradientBoostingModel (LGBM)eexecutaas etapas de aprendizado e classificação sobre características extraídas do conjunto de dados fornecidos pela competição. Esses dados são simulações criadas a partir de observações astronômicas reais designadas a simular os dados reais que serão produzidos pelo LSST. As predições do classificador atingiram a pontuação de 1,651 calculada pela competição através de uma logarithmic loss function e, se submetido dentro do prazo da competição, alcançaria a 704a colocação dentre as predições dos 1094 times participantes. Futuramente, se forem aplicados mais alguns métodos de pré-processamento e extração de características como, por exemplo, executar uma interpolação das observações de cada objeto e contar a quantidade de mínimos locais, e testar outros algoritmos classificadores, como as redes neurais artificiais, a possibilidade de alcançar boas colocações é muito alta
Abstract
Palavras-chave
Machine learning, Classificação, LSST, PLAsTiCC, Séries temporais
Citação
FREITAS JUNIOR, Márcio Antônio de. Classificador LGBM aplicado na resolução do Desafio PLAsTiCC do Telescópio LSST. 2019. 69 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) – Universidade Federal de Uberlândia, Uberlândia, 2019.