19 episodios
00:46:30Habla: Héctor Socas
↗

Búsqueda · 23 momentos en 10 episodios

José EdelsteinFrancis VillatoroHéctor SocasGastón Giribetmachine learning distingue estrellas defectostransitorios beatriz clasificados como defectosred neuronal placas fotográficas antiguasMachine LearningBeatriz VillarroelHéctor SocasObservatorio de Monte PalomarCaltechPasadenaCarnegieNigel HamblyAaron BlairUniversidad de EdimburgoSupercosmos Sky SurveyMonte PalomarVascoIACEdimburgoJosé EdelsteinSupercosmosDigital Sky SurveyTomás VilaXavico

Red Neuronal placas fotográficas antiguas

Ep534: OVNIs Astronómicos; Relatividad General; Agujeros Negros

27 de noviembre de 2025
10 momentos
Con
0:000:301:001:302:002:303:003:17

Héctor Socas comenta sobre un artículo científico donde se utiliza Machine Learning para distinguir estrellas de defectos en placas fotográficas antiguas, y cómo este sistema clasifica los transitorios observados por Beatriz Villarroel como defectos.

…y cuánto de preciso es el seguimiento. Cuanto más grande, más pesado, más difícil es de que sea muy preciso el seguimiento. Entonces, bueno, a las estrellas les queda un poquito de ese alargamiento, ¿no? Mientras que estos puntos son totalmente redondos. Y, bueno, eso también es interesante. Y luego hay una parte en la que entrenan una red neuronal; utilizan Machine Learning para distinguir estrellas de defectos de placa y concluyen que todos los transitorios de Beatriz son clasificados por este clasificador como defectos de placa. Me gusta mucho porque realmente la forma en la que Lo han entrenado es un poco; tiene algo de lógica circular, es decir, ellos entrenan todo lo que no es como las estrellas: son defectos de placa, con lo cual evidentemente todo lo que no sean, no sé si me explico, que si hubiera ovnis de verdad te los…
Significado #1 · Palabras #1