1. Repositório Institucional - Universidade Federal de Uberlândia
  2. Faculdade de Computação (FACOM)
  3. TCC - Ciência da Computação
Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/26385
Full metadata record
DC FieldValueLanguage
dc.creatorFreitas Junior, Márcio Antônio de-
dc.date.accessioned2019-07-31T18:39:48Z-
dc.date.available2019-07-31T18:39:48Z-
dc.date.issued2019-07-12-
dc.identifier.citationFREITAS 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.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/26385-
dc.description.sponsorshipUnimontes - Universidade Estadual de Montes Clarospt_BR
dc.description.sponsorshipUNIPAC - Universidade Presidente Antônio Carlospt_BR
dc.description.sponsorshipUNIPAM - Centro Universitário de Patos de Minaspt_BR
dc.description.sponsorshipUSIMINAS - Usinas Siderúrgicas de Minas Gerais S/Apt_BR
dc.description.sponsorshipVALE S. A.pt_BR
dc.description.sponsorshipZF_Sachs do Brasilpt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectMachine learningpt_BR
dc.subjectClassificaçãopt_BR
dc.subjectLSSTpt_BR
dc.subjectPLAsTiCCpt_BR
dc.subjectSéries temporaispt_BR
dc.titleClassificador LGBM aplicado na resolução do Desafio Plasticc do Telescópio LSSTpt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Albertini, Marcelo Keese-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/1404596833493304pt_BR
dc.contributor.referee1Backes, André Ricardo-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/8590140337571249pt_BR
dc.contributor.referee2Carneiro, Murillo Guimarães-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/8158868389973535pt_BR
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoEm 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 altapt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseCiência da Computaçãopt_BR
dc.sizeorduration69pt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.orcid.putcode108874984-
Appears in Collections:TCC - Ciência da Computação

Files in This Item:
File Description SizeFormat 
ClassificadorLGBMAplicado.pdf2.94 MBAdobe PDFThumbnail
View/Open
Show simple item record


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