
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.contributor | Division of Space Mechanics and Control | - |
| Autor(es): dc.contributor | Universidad tecnológica del Perú (UTP) | - |
| Autor(es): dc.creator | Carruba, V. | - |
| Autor(es): dc.creator | Aljbaae, S. | - |
| Autor(es): dc.creator | Domingos, R. C. | - |
| Autor(es): dc.creator | Huaman, M. | - |
| Autor(es): dc.creator | Barletta, W. | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T22:18:46Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T22:18:46Z | - |
| Data de envio: dc.date.issued | 2023-03-02 | - |
| Data de envio: dc.date.issued | 2023-03-02 | - |
| Data de envio: dc.date.issued | 2022-08-01 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1007/s10569-022-10088-2 | - |
| Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/242104 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/242104 | - |
| Descrição: dc.description | Machine learning (ML) is the branch of computer science that studies computer algorithms that can learn from data. It is mainly divided into supervised learning, where the computer is presented with examples of entries, and the goal is to learn a general rule that maps inputs to outputs, and unsupervised learning, where no label is provided to the learning algorithm, leaving it alone to find structures. Deep learning is a branch of machine learning based on numerous layers of artificial neural networks, which are computing systems inspired by the biological neural networks that constitute animal brains. In asteroid dynamics, machine learning methods have been recently used to identify members of asteroid families, small bodies images in astronomical fields, and to identify resonant arguments images of asteroids in three-body resonances, among other applications. Here, we will conduct a full review of available literature in the field and classify it in terms of metrics recently used by other authors to assess the state of the art of applications of machine learning in other astronomical subfields. For comparison, applications of machine learning to Solar System bodies, a larger area that includes imaging and spectrophotometry of small bodies, have already reached a state classified as progressing. Research communities and methodologies are more established, and the use of ML led to the discovery of new celestial objects or features, or new insights in the area. ML applied to asteroid dynamics, however, is still in the emerging phase, with smaller groups, methodologies still not well-established, and fewer papers producing discoveries or insights. Large observational surveys, like those conducted at the Zwicky Transient Facility or at the Vera C. Rubin Observatory, will produce in the next years very substantial datasets of orbital and physical properties for asteroids. Applications of ML for clustering, image identification, and anomaly detection, among others, are currently being developed and are expected of being of great help in the next few years. | - |
| Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
| Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
| Descrição: dc.description | São Paulo State University (UNESP) School of Natural Sciences and Engineering, SP | - |
| Descrição: dc.description | National Space Research Institute (INPE) Division of Space Mechanics and Control, C.P. 515, SP | - |
| Descrição: dc.description | São Paulo State University (UNESP), SP | - |
| Descrição: dc.description | Universidad tecnológica del Perú (UTP) | - |
| Descrição: dc.description | São Paulo State University (UNESP) School of Natural Sciences and Engineering, SP | - |
| Descrição: dc.description | São Paulo State University (UNESP), SP | - |
| Descrição: dc.description | FAPESP: 2016/024561-0 | - |
| Descrição: dc.description | CNPq: 304168/2021-1 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Celestial Mechanics and Dynamical Astronomy | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | Asteroid belt | - |
| Palavras-chave: dc.subject | Celestial mechanics | - |
| Palavras-chave: dc.subject | Chaotic motions | - |
| Palavras-chave: dc.subject | Statistical methods | - |
| Título: dc.title | Machine learning applied to asteroid dynamics | - |
| 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: