| dc.contributor | | pt-BR |
| dc.creator | Thiago Fellipe Ortiz de Camargo | |
| dc.creator | Marcella Scoczynski Martins | |
| dc.creator | Virginia Helena Baroncini | |
| dc.date | 2020-07-06 00:46:59 | |
| dc.date.accessioned | 2022-12-07T17:58:49Z | |
| dc.date.available | 2022-12-07T17:58:49Z | |
| dc.identifier | https://eventos.utfpr.edu.br//sicite/sicite2019/paper/view/5077 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/5306576 | |
| dc.description | Processamento de imagem e técnicas de aprendizado de máquina são aplicados em diversos campos de pesquisa. Astronomia é uma dessas áreas onde métodos relevantes foram desenvolvidas para identificação e classificação. Este trabalho introduz uma nova abordagem para caracterizar e classificar manchas que aparecem na fotosfera pela expressão de campos magnéticos intensos. Estes campos magnéticos apresentam efeitos significativos na sociedade terrestre. Imagens do Sol foram utilizadas no formato Intensitygram Flat, retiradas do Helioseismic and Magnetic Imager(HMI), do Solar Dynamics Observatory (SDO). Esse método consiste em dois passos: pré-processamento de imagem e uma fase de treinamento usando uma rede neural de convolução (RNC) para identificar e classificar manchas e grupos. Os resultados mostram um grande potencial de processamento que se tornaram um classificador competitivo para os grupos de manchas solares. | pt-BR |
| dc.format | application/pdf | |
| dc.language | pt | |
| dc.publisher | Seminário de Iniciação Científica e Tecnológica da UTFPR | pt-BR |
| dc.rights | Autores que submetem a esta conferência concordam com os seguintes termos:<br /> <strong>a)</strong> Autores mantém os direitos autorais sobre o trabalho, permitindo à conferência colocá-lo sob uma licença <a href="https://creativecommons.org/licenses/by/4.0/">Licença Creative Commons-Attribution</a>, que permite livremente a outros acessar, usar e compartilhar o trabalho com o crédito de autoria e apresentação inicial nesta conferência.<br /> <strong>b)</strong> Autores podem abrir mão dos termos da licença CC e definir contratos adicionais para a distribuição não-exclusiva e subsequente publicação deste trabalho (ex.: publicar uma versão atualizada em um periódico, disponibilizar em repositório institucional, ou publicá-lo em livro), com o crédito de autoria e apresentação inicial nesta conferência.<br /> <strong>c)</strong> Além disso, autores são incentivados a publicar e compartilhar seus trabalhos online (ex.: em repositório institucional ou em sua página pessoal) a qualquer momento antes e depois da conferência. | |
| dc.source | Seminário de Iniciação Científica e Tecnológica da UTFPR; XXIV Seminário de Iniciação Científica e Tecnológica da UTFPR | 0 |
| dc.subject | Engenharias | pt-BR |
| dc.subject | Processamento de imagem. Rede neural de convolução. Classificação. Manchas Solares | pt-BR |
| dc.title | Detecção de um grupo pré-defino de manchas solares com uma rede neural de convolução pré-treinada | 0 |
| dc.type | Documento avaliado pelos pares | pt-BR |
