Show simple item record

Estimación del corrimiento al rojo para galaxias a partir de sus colores fotométricos usando métodos de aprendizaje automático

dc.creatorMeza-Obando, Felipe q
dc.date2020-03-27
dc.date.accessioned2020-09-25T23:12:52Z
dc.date.available2020-09-25T23:12:52Z
dc.identifierhttps://revistas.tec.ac.cr/index.php/tec_marcha/article/view/5073
dc.identifier10.18845/tm.v33i5.5073
dc.identifier.urihttps://hdl.handle.net/2238/12067
dc.descriptionThe determination of the redshift, a factor also known as z, is obtained from variations in the wavelength’s spectrum of galaxies or distant objects, such variation is basically the difference between the wavelength measure on Earth of the element present in the galaxy and the direct measure of the same element on the object by the use of spectroscopy. From the value z, it’s possible to obtain the values of the object’s distance and the speed at which it moves away from us. Obtaining spectroscopic data directly from astronomical objects, is not always an easy task to run and the use of color index become a more accessible alternative for many researchers. In this work we present the preliminary results of several machine learning methods, using regression based algorithms. The goal will be to obtain the value of z, from the photometric colors.en-US
dc.descriptionLa determinación del corrimiento al rojo, factor conocido como z, se obtiene a partir de las variaciones en la longitud de onda del espectro de la galaxia u objeto lejano, dicha variación se da entre la medición en la Tierra del elemento presente en la galaxia y la medición directamente en el objeto mediante espectroscopia. A partir del valor z, es posible obtener los valores de la distancia del objeto y la velocidad a la que se aleja de nosotros. La obtención de datos espectroscópicos en el objeto, no siempre resultan fáciles de obtener y los índices de color se convierten en una alternativa más accesible para muchos investigadores, en este trabajo se muestran los resultados preliminares de diversos métodos de aprendizaje automático, donde como un problema de regresión y a partir de los índices fotométricos podemos estimar el valor de z.es-ES
dc.formatapplication/pdf
dc.languageeng
dc.publisherEditorial Tecnológica de Costa Rica (entidad editora)es-ES
dc.relationhttps://revistas.tec.ac.cr/index.php/tec_marcha/article/view/5073/4795
dc.sourceTecnología en marcha Journal; 2020: Vol. 33 especial. Contribuciones a la Conferencia 6th Latin America High Performance Computing Conference (CARLA); Pág. 38-43en-US
dc.sourceRevista Tecnología en Marcha; 2020: Vol. 33 especial. Contribuciones a la Conferencia 6th Latin America High Performance Computing Conference (CARLA); Pág. 38-43es-ES
dc.source2215-3241
dc.source0379-3982
dc.subjectUniverseen-US
dc.subjectexpansionen-US
dc.subjectredshiften-US
dc.subjectgalaxies svmen-US
dc.subjectdecision treesen-US
dc.subjectada boosten-US
dc.subjectrandom foresten-US
dc.subjectUniversoes-ES
dc.subjectexpansiónes-ES
dc.subjectdesplazamiento al rojoes-ES
dc.subjectgalaxias svmes-ES
dc.subjectárboles de decisiónes-ES
dc.subjectbosque al azares-ES
dc.titleEstimating the redshift of galaxies from their photometric colors using machine learning methodsen-US
dc.titleEstimación del corrimiento al rojo para galaxias a partir de sus colores fotométricos usando métodos de aprendizaje automáticoes-ES
dc.typeinfo:eu-repo/semantics/article
dc.typeinfo:eu-repo/semantics/publishedVersion


Files in this item

FilesSizeFormatView

There are no files associated with this item.

This item appears in the following Collection(s)

Show simple item record