Be o no Be: esa es la cuestión

Autores
Aidelman, Yael Judith; Ronchetti, Franco; Quiroga, Facundo Manuel; Granada, Anahí; Escudero, Carlos Gabriel; Lanzarini, Laura Cristina
Año de publicación
2022
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Ante la gran cantidad de datos astronómicos disponibles, resulta necesario implementar nuevas estrategias para su análisis. Por ello, las técnicas de aprendizaje automático, en particular las que consisten en aprendizaje supervisado, resultan una herramienta muy útil para tal fin. Para la implementación de estas estrategias es fundamental contar con un conjunto de datos (data set) etiquetado de manera confiable con el cual entrenar y evaluar el modelo. En este trabajo presentamos un nuevo data set compuesto por las magnitudes u, g, r, Ha, i, J, H, K, WT y W2 para 3 365 790 estrellas de las cuales 3 374 fueron clasificadas en la literatura como Be, 13 214 clasificadas como de tipo espectral B y 2 948 600 con la presencia de emisión en Ha. De estas últimas, solamente 2 758 estrellas fueron reportadas como Be.
Given the large amount of astronomical data available, it is necessary to implement new strategies for its analysis. For this reason, machine learning techniques, particularly those that consist of supervised learning, are a fundamental tool for this purpose. For the implementation of these strategies it is essential to have a reliably labeled data set with which to train and evaluate the model. In this work we present a new data set composed of the magnitudes u, g, r, Ha, i, J, H, K,W1 and W2 for 3 365 790 stars, of which 3 374 were classified in the literature as Be, 13 214 classified as spectral type B and 2 948 600 with the presence of emission in Ha. Of the latter, only 2 758 stars were reported as Be.
Facultad de Ciencias Astronómicas y Geofísicas
Instituto de Investigación en Informática
Materia
Ciencias Astronómicas
Ciencias Informáticas
aprendizaje automático
datos astronómicos
data set
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/166767

id SEDICI_b1cdc8b4be9dccd6bbfeb7fa140bdd46
oai_identifier_str oai:sedici.unlp.edu.ar:10915/166767
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Be o no Be: esa es la cuestiónAidelman, Yael JudithRonchetti, FrancoQuiroga, Facundo ManuelGranada, AnahíEscudero, Carlos GabrielLanzarini, Laura CristinaCiencias AstronómicasCiencias Informáticasaprendizaje automáticodatos astronómicosdata setAnte la gran cantidad de datos astronómicos disponibles, resulta necesario implementar nuevas estrategias para su análisis. Por ello, las técnicas de aprendizaje automático, en particular las que consisten en aprendizaje supervisado, resultan una herramienta muy útil para tal fin. Para la implementación de estas estrategias es fundamental contar con un conjunto de datos (data set) etiquetado de manera confiable con el cual entrenar y evaluar el modelo. En este trabajo presentamos un nuevo data set compuesto por las magnitudes u, g, r, Ha, i, J, H, K, WT y W2 para 3 365 790 estrellas de las cuales 3 374 fueron clasificadas en la literatura como Be, 13 214 clasificadas como de tipo espectral B y 2 948 600 con la presencia de emisión en Ha. De estas últimas, solamente 2 758 estrellas fueron reportadas como Be.Given the large amount of astronomical data available, it is necessary to implement new strategies for its analysis. For this reason, machine learning techniques, particularly those that consist of supervised learning, are a fundamental tool for this purpose. For the implementation of these strategies it is essential to have a reliably labeled data set with which to train and evaluate the model. In this work we present a new data set composed of the magnitudes u, g, r, Ha, i, J, H, K,W1 and W2 for 3 365 790 stars, of which 3 374 were classified in the literature as Be, 13 214 classified as spectral type B and 2 948 600 with the presence of emission in Ha. Of the latter, only 2 758 stars were reported as Be.Facultad de Ciencias Astronómicas y GeofísicasInstituto de Investigación en Informática2022-06info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf148-152http://sedici.unlp.edu.ar/handle/10915/166767spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-24948-8-9info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:44:25Zoai:sedici.unlp.edu.ar:10915/166767Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:44:25.886SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Be o no Be: esa es la cuestión
title Be o no Be: esa es la cuestión
spellingShingle Be o no Be: esa es la cuestión
Aidelman, Yael Judith
Ciencias Astronómicas
Ciencias Informáticas
aprendizaje automático
datos astronómicos
data set
title_short Be o no Be: esa es la cuestión
title_full Be o no Be: esa es la cuestión
title_fullStr Be o no Be: esa es la cuestión
title_full_unstemmed Be o no Be: esa es la cuestión
title_sort Be o no Be: esa es la cuestión
dc.creator.none.fl_str_mv Aidelman, Yael Judith
Ronchetti, Franco
Quiroga, Facundo Manuel
Granada, Anahí
Escudero, Carlos Gabriel
Lanzarini, Laura Cristina
author Aidelman, Yael Judith
author_facet Aidelman, Yael Judith
Ronchetti, Franco
Quiroga, Facundo Manuel
Granada, Anahí
Escudero, Carlos Gabriel
Lanzarini, Laura Cristina
author_role author
author2 Ronchetti, Franco
Quiroga, Facundo Manuel
Granada, Anahí
Escudero, Carlos Gabriel
Lanzarini, Laura Cristina
author2_role author
author
author
author
author
dc.subject.none.fl_str_mv Ciencias Astronómicas
Ciencias Informáticas
aprendizaje automático
datos astronómicos
data set
topic Ciencias Astronómicas
Ciencias Informáticas
aprendizaje automático
datos astronómicos
data set
dc.description.none.fl_txt_mv Ante la gran cantidad de datos astronómicos disponibles, resulta necesario implementar nuevas estrategias para su análisis. Por ello, las técnicas de aprendizaje automático, en particular las que consisten en aprendizaje supervisado, resultan una herramienta muy útil para tal fin. Para la implementación de estas estrategias es fundamental contar con un conjunto de datos (data set) etiquetado de manera confiable con el cual entrenar y evaluar el modelo. En este trabajo presentamos un nuevo data set compuesto por las magnitudes u, g, r, Ha, i, J, H, K, WT y W2 para 3 365 790 estrellas de las cuales 3 374 fueron clasificadas en la literatura como Be, 13 214 clasificadas como de tipo espectral B y 2 948 600 con la presencia de emisión en Ha. De estas últimas, solamente 2 758 estrellas fueron reportadas como Be.
Given the large amount of astronomical data available, it is necessary to implement new strategies for its analysis. For this reason, machine learning techniques, particularly those that consist of supervised learning, are a fundamental tool for this purpose. For the implementation of these strategies it is essential to have a reliably labeled data set with which to train and evaluate the model. In this work we present a new data set composed of the magnitudes u, g, r, Ha, i, J, H, K,W1 and W2 for 3 365 790 stars, of which 3 374 were classified in the literature as Be, 13 214 classified as spectral type B and 2 948 600 with the presence of emission in Ha. Of the latter, only 2 758 stars were reported as Be.
Facultad de Ciencias Astronómicas y Geofísicas
Instituto de Investigación en Informática
description Ante la gran cantidad de datos astronómicos disponibles, resulta necesario implementar nuevas estrategias para su análisis. Por ello, las técnicas de aprendizaje automático, en particular las que consisten en aprendizaje supervisado, resultan una herramienta muy útil para tal fin. Para la implementación de estas estrategias es fundamental contar con un conjunto de datos (data set) etiquetado de manera confiable con el cual entrenar y evaluar el modelo. En este trabajo presentamos un nuevo data set compuesto por las magnitudes u, g, r, Ha, i, J, H, K, WT y W2 para 3 365 790 estrellas de las cuales 3 374 fueron clasificadas en la literatura como Be, 13 214 clasificadas como de tipo espectral B y 2 948 600 con la presencia de emisión en Ha. De estas últimas, solamente 2 758 estrellas fueron reportadas como Be.
publishDate 2022
dc.date.none.fl_str_mv 2022-06
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/166767
url http://sedici.unlp.edu.ar/handle/10915/166767
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-24948-8-9
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
148-152
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844616311473176576
score 13.070432