Registro:
| Documento: | Tesis de Grado |
| Título: | Identificación automatizada de cruces de la onda de choque de Marte mediante técnicas de machine learning aplicadas a mediciones de MAVEN |
| Autor: | Notonica, Matías |
| Editor: | Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales |
| Fecha de defensa: | 2025-12-17 |
| Fecha en portada: | Diciembre 2025 |
| Grado Obtenido: | Grado |
| Título Obtenido: | Licenciado en Ciencias Físicas |
| Departamento Docente: | Departamento de Física |
| Director: | Bertucci, César Luis Fermín |
| Director Asistente: | Morales, Laura Fernanda |
| Idioma: | Español |
| Formato: | PDF |
| Handle: |
https://hdl.handle.net/20.500.12110/seminario_nFIS000259_Notonica |
| PDF: | https://bibliotecadigital.exactas.uba.ar/download/seminario/seminario_nFIS000259_Notonica.pdf |
| Registro: | https://bibliotecadigital.exactas.uba.ar/collection/seminario/document/seminario_nFIS000259_Notonica |
| Ubicación: | FIS 000259 |
| Derechos de Acceso: | Esta obra puede ser leída, grabada y utilizada con fines de estudio, investigación y docencia. Es necesario el reconocimiento de autoría mediante la cita correspondiente. Notonica, Matías. (2025). Identificación automatizada de cruces de la onda de choque de Marte mediante técnicas de machine learning aplicadas a mediciones de MAVEN. (Tesis de Grado. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales.). Recuperado de https://hdl.handle.net/20.500.12110/seminario_nFIS000259_Notonica |
Resumen:
La misión MAVEN ha proporcionado desde 2014 un volumen sin precedentes de mediciones del entorno plasmático de Marte, ofreciendo un marco adecuado para el desarrollo de técnicas automáticas de detección de estructuras espaciales. En esta tesis se exploran metodologías basadas en Machine Learning para la identificación automatizada de cruces de la onda de choque marciana, utilizando exclusivamente la posición orbital de la sonda y el módulo del campo magnético medido por el instrumento MAG. Se entrenaron autoencoders basados en perceptrones multicapa y Gated Recurrent Units para obtener representaciones latentes de ventanas temporales de 180 s, las cuales fueron posteriormente empleadas como entrada de clasificadores Support Vector Machines. Los modelos se entrenaron con catálogos de cruces existentes y se evaluaron de forma independiente, analizando cualitativamente su desempeño y sensibilidad a distintas estrategias de selección de características. Los resultados muestran que es posible detectar de manera robusta la presencia de cruces sin necesidad de resolver la estructura fina del campo magnético, y que la información contenida en las funciones de pérdida de los autoencoders puede mejorar el rendimiento de los clasificadores. Este trabajo constituye un primer acercamiento al uso sistemático de técnicas de aprendizaje automático en el entorno marciano y establece una base metodológica para desarrollos futuros más precisos y generalizables.
Citación:
---------- APA ----------
Notonica, Matías. (2025). Identificación automatizada de cruces de la onda de choque de Marte mediante técnicas de machine learning aplicadas a mediciones de MAVEN. (Tesis de Grado. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales.). Recuperado de https://hdl.handle.net/20.500.12110/seminario_nFIS000259_Notonica
---------- CHICAGO ----------
Notonica, Matías. "Identificación automatizada de cruces de la onda de choque de Marte mediante técnicas de machine learning aplicadas a mediciones de MAVEN". Tesis de Grado, Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales, 2025.https://hdl.handle.net/20.500.12110/seminario_nFIS000259_Notonica
Estadísticas:
Descargas mensuales
Total de descargas desde :
https://bibliotecadigital.exactas.uba.ar/download/seminario/seminario_nFIS000259_Notonica.pdf
Distrubución geográfica
