masterThesis
Machine Learning Tools for Open Cluster Characterization with Gaia DR2 Data
Autor
Álvaro-Yunta, Carlos David
Institución
Resumen
La caracterización y conocimiento de Cúmulos Abiertos permite conocer mejor
propiedades y mecanismos del Universo tales como la formación de estrellas y las
regiones donde se dan estos procesos. También permiten obtener información sobre
procesos estelares y la evolución del disco galáctico.
En este trabajo presentamos un método novedoso para caracterizar estos cúmulos.
Nuestro método hace uso de un modelo basado en Redes Neuronales Artificiales.
Más concretamente, adaptamos un modelo del estado del arte, el Deep Embedded
Clustering (DEC), a nuestro problema. El método desarrollado tiene como objetivo
mejorar las técnicas clásicas del estado del arte. Con nuestro método, no sólo
mejoramos en términos de eficiencia de cálculo (consiguiendo menores requisitos
computacionales), también mejoramos en usabilidad (reduciendo el número de
hiperparámetros para conseguir una buena caracterización de los cúmulos analizados).
Para nuestro experimentos, usamos la base de datos Gaia DR2 como fuente de datos,
y comparamos nuestro modelos con el algoritmo de clustering K-Medias. Nuestro
método consigue buenos resultados, siendo incluso mejor (en algunos casos) que las
técnicas actuales.