Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (Unesp) | - |
Autor(es): dc.contributor | Natl Space Res Inst INPE | - |
Autor(es): dc.creator | Carruba, V [UNESP] | - |
Autor(es): dc.creator | Aljbaae, S. | - |
Autor(es): dc.creator | Domingos, R. C. [UNESP] | - |
Autor(es): dc.creator | Barletta, W. [UNESP] | - |
Data de aceite: dc.date.accessioned | 2022-02-22T01:08:13Z | - |
Data de disponibilização: dc.date.available | 2022-02-22T01:08:13Z | - |
Data de envio: dc.date.issued | 2021-06-26 | - |
Data de envio: dc.date.issued | 2021-06-26 | - |
Data de envio: dc.date.issued | 2021-06-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1093/mnras/stab914 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/210801 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/210801 | - |
Descrição: dc.description | Artificial neural networks (ANNs) have been successfully used in the last years to identify patterns in astronomical images. The use of ANN in the field of asteroid dynamics has been, however, so far somewhat limited. In this work, we used for the first time ANN for the purpose of automatically identifying the behaviour of asteroid orbits affected by the M1:2 mean-motion resonance with Mars. Our model was able to perform well above 85 per cent levels for identifying images of asteroid resonant arguments in term of standard metrics like accuracy, precision, and recall, allowing to identify the orbital type of all numbered asteroids in the region. Using supervised machine learning methods, optimized through the use of genetic algorithms, we also predicted the orbital status of all multi-opposition asteroids in the area. We confirm that the M1:2 resonance mainly affects the orbits of the Massalia, Nysa, and Vesta asteroid families. | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | Sao Paulo State Univ UNESP, Sch Nat Sci & Engn, BR-12516410 Guaratingueta, SP, Brazil | - |
Descrição: dc.description | Natl Space Res Inst INPE, Div Space Mech & Control, CP 515, BR-12227310 Sao Jose Dos Campos, SP, Brazil | - |
Descrição: dc.description | Sao Paulo State Univ UNESP, BR-13876750 Sao Joao Da Boa Vista, SP, Brazil | - |
Descrição: dc.description | Sao Paulo State Univ UNESP, Sch Nat Sci & Engn, BR-12516410 Guaratingueta, SP, Brazil | - |
Descrição: dc.description | Sao Paulo State Univ UNESP, BR-13876750 Sao Joao Da Boa Vista, SP, Brazil | - |
Descrição: dc.description | CNPq: 301577/2017-0 | - |
Descrição: dc.description | CAPES: 88887.374148/2019-00 | - |
Formato: dc.format | 692-700 | - |
Idioma: dc.language | en | - |
Publicador: dc.publisher | Oxford Univ Press | - |
Relação: dc.relation | Monthly Notices Of The Royal Astronomical Society | - |
???dc.source???: dc.source | Web of Science | - |
Palavras-chave: dc.subject | methods: data analysis | - |
Palavras-chave: dc.subject | celestial mechanics | - |
Palavras-chave: dc.subject | minor planets, asteroids: general | - |
Título: dc.title | Artificial neural network classification of asteroids in the M1:2 mean-motion resonance with Mars | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: