| Texto completo | |
| Autor(es): |
Número total de Autores: 2
|
| Afiliação do(s) autor(es): | [1] Univ Federal de São Carlos. Departamento de Estatística - Brasil
[2] Univ Federal de São Carlos. Departamento de Estatística - Brasil
Número total de Afiliações: 2
|
| Tipo de documento: | Artigo Científico |
| Fonte: | TEMA (São Carlos); v. 21, n. 1, p. 117-131, 2020-04-30. |
| Resumo | |
RESUMO Um problema fundamental em cosmologia é estimar redshifts de galáxias com base em dados fotométricos. Por exemplo a Sloan Digital Sky Survey (SDSS) já coletou dados fotométricos relativos a cerca de um bilhão de objetos para os quais é necessário estimar os respectivos redshifts. Tradicionalmente, essa tarefa é resolvida utilizando-se métodos de aprendizado de máquina. Neste trabalho, mostramos como métodos existentes podem ser combinados de forma a se obter estimativas ainda mais precisas para os redshifts de galáxias. Abordamos este problema sob duas éticas: (i) estimação da regressão do redshift y nas covariáveis fotométricas x, E [ Y | x ], e (ii) estimação da função densidade condicional f ( y | x ). Aplicamos as técnicas propostas para um banco de dados provenientes do SDSS e concluímos que as predições combinadas são de fato mais precisas que os métodos individuais. (AU) | |
| Processo FAPESP: | 19/11321-9 - Redes neurais em problemas de inferência estatística |
| Beneficiário: | Rafael Izbicki |
| Modalidade de apoio: | Auxílio à Pesquisa - Regular |
| Processo FAPESP: | 17/03363-8 - Interpretabilidade e eficiência em testes de hipótese |
| Beneficiário: | Rafael Izbicki |
| Modalidade de apoio: | Auxílio à Pesquisa - Regular |