Detección y clasificación de eventos solares mediante redes neuronales

Yanguas Durán, Carlos (2022). Detección y clasificación de eventos solares mediante redes neuronales. Thesis (Master thesis), E.T.S. de Ingenieros Informáticos (UPM).

Description

Title: Detección y clasificación de eventos solares mediante redes neuronales
Author/s:
  • Yanguas Durán, Carlos
Contributor/s:
  • Corcho García, Óscar
  • Muñoz Martínez, Pablo
Item Type: Thesis (Master thesis)
Masters title: Inteligencia Artificial
Date: June 2022
Subjects:
Faculty: E.T.S. de Ingenieros Informáticos (UPM)
Department: Inteligencia Artificial
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img] PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (15MB)

Abstract

Las ráfagas de radio de la corona solar proporcionan información para predecir los riesgos de la meteorología espacial. Estos riesgos se deben a que este fenómeno provocará interferencias en nuestra señal de ondas de radio, lo que puede llegar a afectar a diferentes infraestructuras esenciales para la tierra. Por esta razón es deseable la monitorización constante de estas emisiones y dado que estas se encuentran en el rango de las bajas frecuencias, el sistema detector consiste en un receptor de baja frecuencia (radioespectrómetro), en este proyecto el Instrumento Astronómico Compacto de Bajo Coste para Espectroscopia y Observatorio Transportable (CALLISTO) será utilizado como fuente de datos. Sin embargo, la detección automática y la clasificación de los tipos de eventos solares reflejados sobre los espectrogramas producidos a través de los datos recogidos en los radioespectrómetros actualmente se hace de forma manual, ya que es difícil idear un sistema que sea capaz de llevar estas funciones a cabo de forma automática. En este trabajo se revisan y aplican las técnicas que conforman el estado del arte para procesar las imágenes de los espectrogramas con el objetivo de disminuir el ruido y eliminar otros problemas propios de la red e-CALLISTO, manteniendo la morfología de los eventos solares reflejados. También se ha desarrollado un menú para la descarga de grandes volúmenes de datos de forma sencilla y rápida en diferentes formatos, siendo posible aplicar los preprocesamientos para la generación de espectrogramas con alto contraste expuestos. Por último, se ofrecen diferentes formas de abordar este problema, desde no supervisada usando arquitecturas de redes neuronales profundas clásicas como autoencoders, hasta supervisada, aplicando técnicas populares como la transferencia de aprendizaje o enfoques mediante detectores de objetos (YOLO V4). Además, otras aproximaciones nóveles también son mostradas, exponiendo en todos los casos el escenario de experimentación y los resultados asociados.---ABSTRACT---Radio bursts from the solar corona provide information to predict space weather hazards. These risks are due to the fact that this phenomenon will cause interference in our radio wave signal, which may affect different essential infrastructures for the earth. For this reason, constant monitoring of these emissions is desirable and since they are in the low frequency range, the detector system consists of a low frequency receiver (radio spectrometer), in this project the Compact Low Cost Astronomical Instrument for Spectroscopy and Transportable Observatory (CALLISTO) will be used as a data source. However, the automatic detection and classification of the types of solar events reflected on the spectrograms produced through the data collected from the radio spectrometers is currently done manually, as it is difficult to devise a system that is capable of performing these functions automatically. In this work we review and apply state-of-the-art techniques to process the spectrogram images in order to reduce noise and eliminate other problems of the e-CALLISTO network, while maintaining the morphology of the reflected solar events. A menu has also been developed for downloading large volumes of data easily and quickly in different formats, being possible to apply the preprocessing for the generation of spectrograms with high contrast exposed. Finally, different ways of approaching this problem are offered, from unsupervised using classical deep neural network architectures such as autoencoders, to supervised, applying popular techniques such as transfer learning or object detector approaches (YOLO V4). In addition, other novel approaches are also shown, exposing in all cases the experimentation scenario and the associated results.

More information

Item ID: 70661
DC Identifier: https://oa.upm.es/70661/
OAI Identifier: oai:oa.upm.es:70661
Deposited by: Biblioteca Facultad de Informatica
Deposited on: 21 Jun 2022 07:59
Last Modified: 21 Jun 2022 07:59
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM