Potraga za pulsarima primjenom strojnog učenja

diplomski rad

• Naslov (engleski): Search for pulsars using machine learning
• Autor: Marin Bilić
• Mentor: Goranka Bilalbegović (mentor)
• Član povjerenstva: Goranka Bilalbegović (predsjednik povjerenstva)
• Član povjerenstva: Krešimir Kumerički (član povjerenstva)
• Član povjerenstva: Mihael Makek (član povjerenstva)
• Član povjerenstva: Ivica Smolić (član povjerenstva)
• Član povjerenstva: Dalibor Paar (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Prirodoslovno-matematički fakultet; (Fizički odsjek); Zagreb
• Datum i država obrane: 2020-09-22, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: PRIRODNE ZNANOSTI; Fizika

Sažetak

Pulsari su brzo rotirajuće neutronske zvijezde. Ti vrlo zanimljivi objekti fasciniraju astronome još od trenutka kad su prvi put pronađeni. S vremenom su teleskopi postajali sve bolji te se tako i broj otkrivenih pulsara povećavao. Ručno analiziranje podataka dobivenih pomoću teleskopa u potrazi za pulsarima je vrlo naporan i monoton proces koji zahtjeva puno vremena. Međutim, razvojem strojnog učenja je ovaj zadatak postao rješiv pomoću računala. U ovom diplomskom radu analizirani su pripremljeni podaci s kandidatima za pulsare. Njihovom obradom pomoću tri različita algoritma strojnog učenja razvijeni su modeli kategorizacije koji daju veliku preciznost. Korišteni su algoritmi k-najbližih susjeda, potpornih vektora i stabla odlučivanja. Ti algoritmi su analizirani i testirani za više vrijednosti parametara kako bi se dobila najbolja rješenja. Uspoređeni su rezultati primijenjenih algoritama. U metodičkom dijelu je dan osvrt na teme iz astronomije i pulsara u osnovnim i srednjim školama, te je razrađen mogući uvod u strojno učenje za srednjoškolsku nastavu.

Sažetak (engleski)

Pulsars are neutron stars with fast rotation speeds. These very interesting objects fascinate astronomers from the moment they were discovered. With time, telescopes are becoming better, therefore the number of discovered pulsars is growing. Analyzing the telescope data by hand is a very tedious and monotone process. However, with development of machine learning this task became easily solvable by using a computer. In this diploma thesis we analyze the prepared data with pulsar candidates. Three different machine learning algorithms are applied and they produced prediction models with high accuracy. Algorithms applied are: k-nearest neighbors, support vectors and decision tree. All algorithms are analyzed and tested for several values of parameters in order to produce the best solution. Results of applied algorithms are compared. In the methodical section, a summary of topics in astronomy and pulsars for middle and high school students is given. In addition, a possible introduction to machine learning for high school students is formulated.

• Ključne riječi: pulsari; strojno učenje; algoritam k-najbližih susjeda; algoritam potpornih vektora; algoritam stabla odlučivanja
• Ključne riječi (engleski): pulsars; machine learning; K-nearest neighbors algorithm; support vectors algorithm; decision tree algorithm
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:217:327347
• Studijski program: Naziv: Fizika i informatika; smjerovi: nastavnički; Smjer: nastavnički; Vrsta studija: sveučilišni; Stupanj studija: integrirani preddiplomski i diplomski; Akademski / stručni naziv: magistar/magistra fizike i informatike (mag. educ. phys. et inf.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup
• Datum i vrijeme pohrane: 2021-01-19 09:56:52