Título:	Identificación automática de púsares a partir de su caracterización estadística
Autor(es):	Ruppel, Sergio Venere, Alejandro Cogo, Jorge Areta, Javier Alberto Maffione, Nicolás Pablo Orellana, Mariana Dominga Granada, Anahí Gancio, Guillermo
Fecha de publicación:	sep-2022
Revista:	64 Reunión Anual de la Asociación Argentina de Astronomía
Resumen:	Dada la problemática en la identificación de radio-pulsares, se explora la implementación, a través de técnicas de software, de un sistema autónomo capaz de descartar falsos positivos como señales periódicas en una base de datos pública formada por descriptores estadísticos de observaciones centradas en 1352Mhz..Se enmarca este trabajo como proyecto final obligatorio para la finalización de la carrera de Ingeniería Electrónica, en curso en la Universidad Nacional de Río Negro. Se propone una metodología basada en Inteligencia Artificial, la cual toma como punto de partida la base de datos High Time Resolution Universe Survey (HTRU2). Esta base de datos contiene parámetros estadísticos de unas 17898 señales de las cuales 13007 no son pulsares y 1639 si lo son (Lyon et al. 2016). Los conceptos de inteligencia artificial que se usaron puede dividirse en dos subgrupos, Machine Learning y Deep learning.
URI:	http://rid.unrn.edu.ar/handle/20.500.12049/10162
Aparece en las colecciones:	Objetos de conferencia

Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons