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.creator | Carruba, V. | - |
Autor(es): dc.creator | Aljbaae, S. | - |
Autor(es): dc.creator | Caritá, G. | - |
Autor(es): dc.creator | Lourenço, M. V.F. | - |
Autor(es): dc.creator | Martins, B. S. | - |
Autor(es): dc.creator | Alves, A. A. | - |
Data de aceite: dc.date.accessioned | 2025-08-21T18:45:38Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T18:45:38Z | - |
Data de envio: dc.date.issued | 2023-07-29 | - |
Data de envio: dc.date.issued | 2023-07-29 | - |
Data de envio: dc.date.issued | 2022-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.3389/fspas.2023.1196223 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/249990 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/249990 | - |
Descrição: dc.description | Introduction: Machine learning (ML) applications for studying asteroid resonant dynamics are a relatively new field of study. Results from several different approaches are currently available for asteroids interacting with the z2, z1, M1:2, and ν6 resonances. However, one challenge when using ML to the databases produced by these studies is that there is often a severe imbalance ratio between the number of asteroids in librating orbits and the rest of the asteroidal population. This imbalance ratio can be as high as 1:270, which can impact the performance of classical ML algorithms, that were not designed for such severe imbalances. Methods: Various techniques have been recently developed to address this problem, including cost-sensitive strategies, methods that oversample the minority class, undersample the majority one, or combinations of both. Here, we investigate the most effective approaches for improving the performance of ML algorithms for known resonant asteroidal databases. Results: Cost-sensitive methods either improved or had not affect the outcome of ML methods and should always be used, when possible. The methods that showed the best performance for the studied databases were SMOTE oversampling plus Tomek undersampling, SMOTE oversampling, and Random oversampling and undersampling. Discussion: Testing these methods first could save significant time and efforts for future studies with imbalanced asteroidal databases. | - |
Descrição: dc.description | Universidade Estadual Paulista | - |
Descrição: dc.description | School of Natural Sciences and Engineering São Paulo State University (UNESP) | - |
Descrição: dc.description | Instituto Nacional de Pesquisas Espaciais (INPE) Division of Space Mechanics and Control | - |
Descrição: dc.description | School of Natural Sciences and Engineering São Paulo State University (UNESP) | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Frontiers in Astronomy and Space Sciences | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | artificial intelligence | - |
Palavras-chave: dc.subject | data structure and algorithms | - |
Palavras-chave: dc.subject | machine learning | - |
Palavras-chave: dc.subject | minor planets asteroids: general | - |
Palavras-chave: dc.subject | planetary science | - |
Título: dc.title | Imbalanced classification applied to asteroid resonant 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: