Clasificador de estrellas de Neutrones con una red neuronal multicapa utilizando R



Título del documento: Clasificador de estrellas de Neutrones con una red neuronal multicapa utilizando R
Revista: Innovación y software
Base de datos: PERIÓDICA
Número de sistema: 000446220
ISSN: 2708-0935
Autores: 1
1
1
1
Instituciones: 1Universidad Nacional de San Agustín, Arequipa. Perú
Año:
Periodo: Mar-Ago
Volumen: 2
Número: 1
Paginación: 33-42
País: Perú
Idioma: Español
Tipo de documento: Artículo
Enfoque: Aplicado, descriptivo
Resumen en español En este trabajo lo que se realizará es analizar el ejercicio Clasificador de estrellas de Neutrones para ello lo primero se expondrá una breve introducción de nuestro ejercicio planteado seguidamente realizaremos los conceptos básicos de un red neuronal ya que es el escogido para la resolución del presente ejercicio, pero este está clasificado por redes neuronales artificiales según la topología red y redes según el método de aprendizaje, donde se ha visto por conveniente realizarlo con la red neuronal multicapa perceptrón multicapa, después se tendrá la limpieza de datos, transformación de casos, selección de casos, selección de un lenguaje de datos así mismo los paquetes, librerías framework que se utilizará, para seguidamente realizar la ejecución de la técnica de entrenamiento, modelo entrenado fase de comprobación , análisis de los resultados y análisis del cliente; finalmente llegar a las conclusiones
Resumen en inglés In this work what will be done is to analyze the exercise "Neutron star classifier" for this, the first thing will be presented a brief introduction of our proposed exercise, then we will carry out the basic concepts of a neural network since it is the one chosen for the resolution of this exercise, but this is classified by artificial neural networks according to the network topology and networks according to the learning method, where it has been seen to be convenient to do it with the multilayer neural network - multilayer perceptron, then you will have the data cleaning, transformation of cases, selection of cases, selection of a data language as well as the packages, framework libraries that will be used, to then carry out the execution of the training technique, trained model, verification phase, analysis of the results and analysis of the client; finally come to conclusions
Disciplinas: Física y astronomía,
Ciencias de la computación
Palabras clave: Astronomía,
Pulsares,
Velocidad de rotación,
Radiación electromagnética,
Redes neuronales,
Perceptrón
Keyword: Astronomy,
Pulsars,
Rotation speed,
Electromagnetic radiation,
Neuronal networks,
Perceptron
Texto completo: Texto completo (Ver PDF) Texto completo (Ver HTML)