Artificial neural network classification of asteroids in the M1:2 mean-motion resonance with Mars

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorUniversidade Estadual Paulista (Unesp)-
Autor(es): dc.contributorNatl Space Res Inst INPE-
Autor(es): dc.creatorCarruba, V [UNESP]-
Autor(es): dc.creatorAljbaae, S.-
Autor(es): dc.creatorDomingos, R. C. [UNESP]-
Autor(es): dc.creatorBarletta, W. [UNESP]-
Data de aceite: dc.date.accessioned2022-02-22T01:08:13Z-
Data de disponibilização: dc.date.available2022-02-22T01:08:13Z-
Data de envio: dc.date.issued2021-06-26-
Data de envio: dc.date.issued2021-06-26-
Data de envio: dc.date.issued2021-06-01-
Fonte completa do material: dc.identifierhttp://dx.doi.org/10.1093/mnras/stab914-
Fonte completa do material: dc.identifierhttp://hdl.handle.net/11449/210801-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/11449/210801-
Descrição: dc.descriptionArtificial 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.descriptionConselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)-
Descrição: dc.descriptionCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)-
Descrição: dc.descriptionSao Paulo State Univ UNESP, Sch Nat Sci & Engn, BR-12516410 Guaratingueta, SP, Brazil-
Descrição: dc.descriptionNatl Space Res Inst INPE, Div Space Mech & Control, CP 515, BR-12227310 Sao Jose Dos Campos, SP, Brazil-
Descrição: dc.descriptionSao Paulo State Univ UNESP, BR-13876750 Sao Joao Da Boa Vista, SP, Brazil-
Descrição: dc.descriptionSao Paulo State Univ UNESP, Sch Nat Sci & Engn, BR-12516410 Guaratingueta, SP, Brazil-
Descrição: dc.descriptionSao Paulo State Univ UNESP, BR-13876750 Sao Joao Da Boa Vista, SP, Brazil-
Descrição: dc.descriptionCNPq: 301577/2017-0-
Descrição: dc.descriptionCAPES: 88887.374148/2019-00-
Formato: dc.format692-700-
Idioma: dc.languageen-
Publicador: dc.publisherOxford Univ Press-
Relação: dc.relationMonthly Notices Of The Royal Astronomical Society-
???dc.source???: dc.sourceWeb of Science-
Palavras-chave: dc.subjectmethods: data analysis-
Palavras-chave: dc.subjectcelestial mechanics-
Palavras-chave: dc.subjectminor planets, asteroids: general-
Título: dc.titleArtificial neural network classification of asteroids in the M1:2 mean-motion resonance with Mars-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional - Unesp

Não existem arquivos associados a este item.