- -

Deep Learning for galaxy red shift estimation from photometry measurements

RiuNet: Institutional repository of the Polithecnic University of Valencia

Share/Send to

Cited by

Statistics

Deep Learning for galaxy red shift estimation from photometry measurements

Show simple item record

Files in this item

dc.contributor.advisor Despujol Zabala, Ignacio es_ES
dc.contributor.advisor Frontera Pons, Joana es_ES
dc.contributor.author Sáenz Rodríguez, Miriam es_ES
dc.date.accessioned 2020-09-16T10:16:55Z
dc.date.available 2020-09-16T10:16:55Z
dc.date.created 2020-07-09
dc.date.issued 2020-09-16 es_ES
dc.identifier.uri http://hdl.handle.net/10251/150138
dc.description.abstract [ES] La estimación del desplazamiento al rojo fotométrico se ha convertido en un tema importante en cosmología, debido a la gran necesidad de estimar distancias de una gran cantidad de fuentes para mejorar nuestro conocimiento sobre el Universo. Los desplazamientos al rojo espectroscópicos suelen ser difíciles de estimar debido a la falta de datos disponibles y su alto costo de adquisición. Los desplazamientos al rojo también se pueden estimar a partir de mediciones fotométricas que pierden algo de precisión. La precisión de las estimaciones fotométricas es fundamental para el éxito de los estudios de galaxias cosmológicas actuales y futuros. Durante las últimas décadas, las técnicas de estimación de desplazamiento al rojo fotométrico han sido ampliamente investigadas. En este trabajo, revisamos los métodos existentes basados en el ajuste de plantillas, el aprendizaje automático y los enfoques híbridos. Además, presentamos una nueva estrategia basada en un aprendizaje profundo sin supervisión. es_ES
dc.description.abstract [EN] Photometric redshift estimation has become a major subject in cosmology, due to the great need of estimating distances of a huge number of sources in order to improve our knowledge about our Universe. Spectroscopic redshifts are typically hard to be estimate due to the lack of available data and its high cost for acquisition. Redshifts can also be estimated from photometric measurements losing some precision. The accuracy of photometric estimates is fundamental for the success of current and forthcoming cosmological galaxy surveys. During the last decades, photometric redshift estimation techniques have been largely investigated in the literature. In this work, we review existing methods based on template-fitting, machine learning and hybrid approaches. Moreover, we present a new strategy based on deep unsupervised learning. es_ES
dc.format.extent 44 es_ES
dc.language Inglés es_ES
dc.rights Reserva de todos los derechos es_ES
dc.subject Aprendizaje profundo es_ES
dc.subject Corrimiento al rojo fotométrico es_ES
dc.subject Extracción de características no supervisadas es_ES
dc.subject Clasificación de galaxias es_ES
dc.subject Deep learning es_ES
dc.subject Photometric redshift es_ES
dc.subject Unsupervised feature extraction es_ES
dc.subject Denoising autoencoders es_ES
dc.subject Galaxy classification es_ES
dc.subject.classification INGENIERIA DE LA CONSTRUCCION es_ES
dc.subject.other Grado en Ingeniería Aeroespacial-Grau en Enginyeria Aeroespacial es_ES
dc.title Deep Learning for galaxy red shift estimation from photometry measurements es_ES
dc.title.alternative Aprendizaje profundo para la estimation de desplazamiento al rojo de galaxias a partir de medidas fotométricas es_ES
dc.type Proyecto/Trabajo fin de carrera/grado es_ES
dc.rights.accessRights Cerrado es_ES
dc.contributor.affiliation Universitat Politècnica de València. Departamento de Ingeniería de la Construcción y de Proyectos de Ingeniería Civil - Departament d'Enginyeria de la Construcció i de Projectes d'Enginyeria Civil es_ES
dc.contributor.affiliation Universitat Politècnica de València. Escuela Técnica Superior de Ingeniería del Diseño - Escola Tècnica Superior d'Enginyeria del Disseny es_ES
dc.description.bibliographicCitation Sáenz Rodríguez, M. (2020). Deep Learning for galaxy red shift estimation from photometry measurements. http://hdl.handle.net/10251/150138 es_ES
dc.description.accrualMethod TFGM es_ES
dc.relation.pasarela 128408 es_ES


This item appears in the following Collection(s)

Show simple item record