1. Identity statement | |
Reference Type | Conference Paper (Conference Proceedings) |
Site | mtc-m21c.sid.inpe.br |
Holder Code | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S |
Identifier | 8JMKD3MGP3W34R/3RKCAAH |
Repository | sid.inpe.br/mtc-m21c/2018/08.10.16.19 |
Last Update | 2020:05.25.15.41.18 (UTC) simone |
Metadata Repository | sid.inpe.br/mtc-m21c/2018/08.10.16.19.53 |
Metadata Last Update | 2022:09.14.20.11.36 (UTC) administrator |
Secondary Key | INPE--PRE/ |
Citation Key | BariniBottFerr:2018:AnCuLu |
Title | Análise das curvas de luz de AGNs utilizando algoritmos baseados em auto-aprendizagem |
Year | 2018 |
Access Date | 2024, May 19 |
Secondary Type | PRE CN |
Number of Files | 1 |
Size | 65 KiB |
|
2. Context | |
Author | 1 Barini, Wesley Araujo 2 Botti, Luiz Cláudio Lima 3 Ferrari, Ricardo Bulcão Valente |
Resume Identifier | 1 2 8JMKD3MGP5W/3C9JHN7 |
Group | 1 2 DIDAS-CGCEA-INPE-MCTIC-GOV-BR |
Affiliation | 1 Universidade Mackenzie 2 Instituto Nacional de Pesquisas Espaciais (INPE) 3 Universidade Mackenzie |
Author e-Mail Address | 1 weslwy_barinietec@outlook.com 2 luizquas@yahoo.com.br |
Conference Name | Seminário de Iniciação Científica e Iniciação em Desenvolvimento Tecnológico e Inovação (SICINPE) |
Conference Location | São José dos Campos, SP |
Date | 30-31 jul. |
History (UTC) | 2018-08-10 16:19:53 :: simone -> administrator :: 2018-08-11 03:23:41 :: administrator -> simone :: 2018 2018-08-29 16:53:28 :: simone -> administrator :: 2018 2019-01-04 16:57:09 :: administrator -> simone :: 2018 2019-01-07 11:24:04 :: simone -> administrator :: 2018 2019-01-14 17:06:33 :: administrator -> simone :: 2018 2020-05-25 15:41:18 :: simone -> administrator :: 2018 2022-09-14 20:11:36 :: administrator -> simone :: 2018 |
|
3. Content and structure | |
Is the master or a copy? | is the master |
Content Stage | completed |
Transferable | 1 |
Content Type | External Contribution |
Version Type | publisher |
Abstract | Este trabalho, iniciado em agosto de 2017, tem como objetivo analisar curvas de luz de um AGNs utilizando algoritmos de auto-aprendizagem. Baseando-se no modelo AGN mais aceito pela comunidade científica, que consiste em um buraco negro massivo em seu centro e um disco de acréscimo em seu entorno, cujo conjunto ejeta dois jatos relativísticos em direções opostas transversalmente ao plano do disco, foi possível saber de onde vêm os dados, que provêm da interação entre a matéria do disco de acréscimo e o buraco negro central. Utilizando-se dados dos observatórios espalhados pelo mundo foi possível montar um banco de dados e analisar as variações temporais de emissão de densidade de fluxo nas diferentes regiões do espectro eletromagnético, no entanto notou-se que os AGNs têm um comportamento atípico o qual não há aparentemente um padrão comportamental. Na tentativa de compreender melhor seu comportamento bem como das curvas de luz, apropriou-se dos algoritmos genéticos como ferramenta, que têm uma abordagem diferente da própria programação tradicional, pois é estruturada e pensada nas leis evolutivas de Charles Darwin (1809- 1882). Para aplicá-la, foi necessário compreender seu funcionamento e esquema de montagem de suas estruturas. Primeiramente, cria-se uma população inicial randomicamente, a qual representa possíveis soluções (ou reprodução) da curva de luz. Através de uma função chamada de função aptidão (fitness), estes indivíduos são testados e classificados de acordo com sua proximidade da solução do problema que se deseja otimizar. Os melhores indivíduos são selecionados e passam por processos de reprodução cruzada (crossover) e mutação gerando uma nova população, a qual será testada novamente através da aptidão. Após diversas interações do algoritmo foi possível reproduzir dados que possibilitaram a montagem de uma curva de luz em determinada frequência de observação e por fim compará-los com a curva de luz real. Com esta abordagem comparativa espera-se que os dados computacionais cheguem o mais próximo possível da realidade. |
Area | CEA |
Arrangement 1 | urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDAS > Análise das curvas... |
Arrangement 2 | urlib.net > BDMCI > Fonds > Acervo PIBIC/PIBITI > PIBIC/PIBITI 2018 > Análise das curvas... |
doc Directory Content | access |
source Directory Content | there are no files |
agreement Directory Content | |
|
4. Conditions of access and use | |
data URL | http://mtc-m21c.sid.inpe.br/ibi/8JMKD3MGP3W34R/3RKCAAH |
zipped data URL | http://mtc-m21c.sid.inpe.br/zip/8JMKD3MGP3W34R/3RKCAAH |
Language | pt |
Target File | Barini_analise.pdf |
User Group | simone |
Reader Group | administrator simone |
Visibility | shown |
Update Permission | not transferred |
|
5. Allied materials | |
Next Higher Units | 8JMKD3MGPCW/3ETR8EH 8JMKD3MGPDW34P/478H8K5 |
Citing Item List | sid.inpe.br/mtc-m16c/2022/07.08.19.44 8 sid.inpe.br/mtc-m21/2012/07.13.14.54.14 2 |
Host Collection | urlib.net/www/2017/11.22.19.04 |
|
6. Notes | |
Notes | Bolsa PIBIC/INPE/CNPq |
Empty Fields | archivingpolicy archivist booktitle callnumber copyholder copyright creatorhistory descriptionlevel dissemination doi e-mailaddress edition editor format isbn issn keywords label lineage mark mirrorrepository nextedition numberofvolumes orcid organization pages parameterlist parentrepositories previousedition previouslowerunit progress project publisher publisheraddress readpermission rightsholder schedulinginformation secondarydate secondarymark serieseditor session shorttitle sponsor subject tertiarymark tertiarytype type url volume |
|
7. Description control | |
e-Mail (login) | simone |
update | |
|