Skip navigation
Por favor, use este identificador para citar o enlazar este ítem: http://rid.unrn.edu.ar/handle/20.500.12049/10162

Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.authorRuppel, Sergio-
dc.contributor.authorVenere, Alejandro-
dc.contributor.authorCogo, Jorge-
dc.contributor.authorAreta, Javier Alberto-
dc.contributor.authorMaffione, Nicolás Pablo-
dc.contributor.authorOrellana, Mariana Dominga-
dc.contributor.authorGranada, Anahí-
dc.contributor.authorGancio, Guillermo-
dc.date.accessioned2023-05-18T13:24:30Z-
dc.date.available2023-05-18T13:24:30Z-
dc.date.issued2022-09-
dc.identifier.urihttp://rid.unrn.edu.ar/handle/20.500.12049/10162-
dc.language.isoeses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/4.0/-
dc.titleIdentificación automática de púsares a partir de su caracterización estadísticaes_ES
dc.typeObjeto de conferenciaes_ES
dc.rights.licenseCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)-
dc.description.filiationRuppel, Sergio. Universidad Nacional de Río Negro. Río Negro, Argentina.es_ES
dc.description.filiationVenere, Alejandro. Universidad Nacional de Río Negro. Río Negro, Argentina.es_ES
dc.description.filiationCogo, Jorge. Universidad Nacional de Río Negro. Centro Interdisciplinario de Telecomunicaciones, Electrónica, Computación y Ciencia Aplicada. Río Negro, Argentina.es_ES
dc.description.filiationAreta, Javier Alberto. Universidad Nacional de Río Negro. Centro Interdisciplinario de Telecomunicaciones, Electrónica, Computación y Ciencia Aplicada. Río Negro, Argentina.es_ES
dc.description.filiationAreta, Javier Alberto. Consejo Nacional de Investigaciones Científicas y Técnicas, CONICET. Río Negro. Argentinaes_ES
dc.description.filiationMaffione, Nicolás. Universidad Nacional de Río Negro. Centro Interdisciplinario de Telecomunicaciones, Electrónica, Computación y Ciencia Aplicada. Río Negro, Argentina.es_ES
dc.description.filiationMaffione, Nicolás. Consejo Nacional de Investigaciones Científicas y Técnicas, CONICET. Río Negro. Argentinaes_ES
dc.description.filiationOrellana, Mariana D. Universidad Nacional de Río Negro. Centro Interdisciplinario de Telecomunicaciones, Electrónica, Computación y Ciencia Aplicada. Río Negro, Argentina.es_ES
dc.description.filiationOrellana, Mariana D. Consejo Nacional de Investigaciones Científicas y Técnicas, CONICET. Río Negro. Argentinaes_ES
dc.description.filiationGranada, Anahí. Universidad Nacional de Río Negro. Centro Interdisciplinario de Telecomunicaciones, Electrónica, Computación y Ciencia Aplicada. Río Negro, Argentina.es_ES
dc.description.filiationGranada, Anahí. Consejo Nacional de Investigaciones Científicas y Técnicas, CONICET. Río Negro. Argentinaes_ES
dc.description.filiationGancio, Guillermo. Instituto Argentino de Radioastronomía. Buenos Aires, Argentina.es_ES
dc.subject.keywordPúlsareses_ES
dc.subject.keywordAutomatizaciónes_ES
dc.subject.keywordCaracterización estadísticaes_ES
dc.subject.keywordInteligencia Artificiales_ES
dc.type.versioninfo:eu-repo/semantics/acceptedVersiones_ES
dc.subject.materiaIngeniería Eléctrica, Electrónica y de la Información (general)es_ES
dc.subject.materiaAstronomíaes_ES
dc.origin.lugarDesarrolloUniversidad Nacional de Río Negroes_ES
dc.description.resumenDada 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.es_ES
dc.relation.journalTitle64 Reunión Anual de la Asociación Argentina de Astronomíaes_ES
dc.type.subtypePosteres_ES
Aparece en las colecciones: Objetos de conferencia

Archivos en este ítem:
Archivo Descripción Tamaño Formato  
Poster-2022-B.pdf470,84 kBAdobe PDFVisualizar/Abrir
Mostrar el registro sencillo del ítem

Este documento es resultado del financiamiento otorgado por el Estado Nacional, por lo tanto queda sujeto al cumplimiento de la Ley N° 26.899


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