Búsqueda · 34 momentos en 25 episodios
Sara RobiscoJuan Carlos GilFrancis VillatoroHéctor SocasGastón Giribetmachine learning instituto max planckfusión estrellas de neutrones serie temporalseñal característica orbitando neutronesInstituto Max PlanckMachine LearningSara Robisco
Instituto Max Planck del Sistema Solar
Con
0:000:301:001:302:002:303:12
Sara Robisco explica cómo investigadores del Instituto Max Planck proponen un método de Machine Learning para analizar la serie temporal de una gráfica, específicamente el momento previo a la fusión de estrellas de neutrones.
…es un dato bastante grande, bastante complicado de digerir, entonces lo tienes que simplificar. Y esa simplificación para que el sistema bayesiano lo procese, pierdes datos y pierdes precisión, tienes una franja de error bastante grande. Entonces, ¿qué pasa? Que se busca un método, esta gente de Max Planck, de Instituto Alemán, propone un método de Machine Learning que analiza esta serie temporal de la gráfica pero analiza el momento previo a la fusión de las estrellas de neutrones. Entonces ellas en el momento en que empiezan a orbitar generan una señal muy característica que eso quieren identificar con este modelo. ¿Por qué? Porque si el modelo lo detecta tendríamos unos minutos de margen para llamar a estos observatorios y aparte de estos Observatorios, lo que es el telescopio en sí; moverlo no es rápido porque imagínate si moviéramos algo venga de prisa corriendo, puedes montar un destrozo bastante divertido. Entonces hay que dar margen, necesitamos un método rápido, lo que viene siendo…
Significado #1 · Palabras #4
Sara Robisco explica cómo investigadores del Instituto Max Planck proponen un método de Machine Learning para analizar la serie temporal de una gráfica, específicamente el momento previo a la fusión de estrellas de neutrones.
Habla: Sara RobiscoSignificado #1 · Palabras #4machine learning instituto max planckfusión estrellas de neutrones serie temporalseñal característica orbitando neutrones…es un dato bastante grande, bastante complicado de digerir, entonces lo tienes que simplificar. Y esa simplificación para que el sistema bayesiano lo procese, pierdes datos y pierdes precisión, tienes una franja de error bastante grande. Entonces, ¿qué pasa? Que se busca un método, esta gente de Max Planck, de Instituto Alemán, propone un método de Machine Learning que analiza esta serie temporal de la gráfica pero analiza el momento previo a la fusión de las estrellas de neutrones. Entonces ellas en el momento en que empiezan a orbitar generan una señal muy característica que eso quieren identificar con este modelo. ¿Por qué? Porque si el modelo lo detecta tendríamos unos minutos de margen para llamar a estos observatorios y aparte de estos Observatorios, lo que es el telescopio en sí; moverlo no es rápido porque imagínate si moviéramos algo venga de prisa corriendo, puedes montar un destrozo bastante divertido. Entonces hay que dar margen, necesitamos un método rápido, lo que viene siendo…