1. Repositório Institucional - Universidade Federal de Uberlândia
2. Faculdade de Computação (FACOM)
3. TCC - Ciência da Computação

ORCID:	http://orcid.org/0000-0002-3654-7839
Document type:	Trabalho de Conclusão de Curso
Access type:	Acesso Aberto
Title:	Classificador LGBM aplicado na resolução do Desafio Plasticc do Telescópio LSST
Author:	Freitas Junior, Márcio Antônio de
First Advisor:	Albertini, Marcelo Keese
First member of the Committee:	Backes, André Ricardo
Second member of the Committee:	Carneiro, Murillo Guimarães
Summary:	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
Keywords:	Machine learning Classificação LSST PLAsTiCC Séries temporais
Area (s) of CNPq:	CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Language:	por
Country:	Brasil
Publisher:	Universidade Federal de Uberlândia
Quote:	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.
URI:	https://repositorio.ufu.br/handle/123456789/26385
Date of defense:	12-Jul-2019
Appears in Collections:	TCC - Ciência da Computação

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.