
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 | National Space Research Institute (INPE) | - |
| Autor(es): dc.creator | Carruba, V. | - |
| Autor(es): dc.creator | Aljbaae, S. | - |
| Autor(es): dc.creator | Caritá, G. | - |
| Autor(es): dc.creator | Domingos, R. C. | - |
| Autor(es): dc.creator | Martins, B. | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T17:11:00Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T17:11:00Z | - |
| Data de envio: dc.date.issued | 2023-07-29 | - |
| Data de envio: dc.date.issued | 2023-07-29 | - |
| Data de envio: dc.date.issued | 2022-11-30 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1007/s10569-022-10110-7 | - |
| Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/249487 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/249487 | - |
| Descrição: dc.description | The asteroidal main belt is crossed by a web of mean motion and secular resonances that occur when there is a commensurability between fundamental frequencies of the asteroids and planets. Traditionally, these objects were identified by visual inspection of the time evolution of their resonant argument, which is a combination of orbital elements of the asteroid and the perturbing planet(s). Since the population of asteroids affected by these resonances is, in some cases, of the order of several thousand, this has become a taxing task for a human observer. Recent works used convolutional neural network (CNN) models to perform such task automatically. In this work, we compare the outcome of such models with those of some of the most advanced and publicly available CNN architectures, like the VGG, Inception, and ResNet. The performance of such models is first tested and optimized for overfitting issues, using validation sets and a series of regularization techniques like data augmentation, dropout, and batch normalization. The three best-performing models were then used to predict the labels of larger testing databases containing thousands of images. The VGG model, with and without regularizations, proved to be the most efficient method to predict labels of large datasets. Since the Vera C. Rubin observatory is likely to discover up to four million new asteroids in the next few years, the use of these models might become quite valuable to identify populations of resonant minor bodies. | - |
| 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 | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
| Descrição: dc.description | School of Natural Sciences and Engineering São Paulo State University (UNESP), SP | - |
| Descrição: dc.description | Division of Space Mechanics and Control National Space Research Institute (INPE), C.P. 515, SP | - |
| Descrição: dc.description | São Paulo State University (UNESP), SP | - |
| Descrição: dc.description | School of Natural Sciences and Engineering São Paulo State University (UNESP), SP | - |
| Descrição: dc.description | São Paulo State University (UNESP), SP | - |
| Descrição: dc.description | FAPESP: 2016/024561-0 | - |
| Descrição: dc.description | CNPq: 304168/2021-1 | - |
| Descrição: dc.description | CAPES: 88887.675709/2022-00 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Celestial Mechanics and Dynamical Astronomy | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | Asteroids | - |
| Palavras-chave: dc.subject | General | - |
| Palavras-chave: dc.subject | Minor planets | - |
| Palavras-chave: dc.subject | Time domain astronomy | - |
| Palavras-chave: dc.subject | Time series analysis | - |
| Título: dc.title | Optimization of artificial neural networks models applied to the identification of images of asteroids’ resonant arguments | - |
| 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: