Los exoplanetas son cuerpos celestes que orbitan alrededor de estrellas fuera de nuestro sistema solar. Aunque históricamente han presentado desafíos de detección, los datos de Kepler han revolucionado nuestra comprensión.

Al analizar los valores de flujo de la misión Kepler, investigamos patrones complejos en la luz de las estrellas que pueden indicar la presencia de exoplanetas. Este estudio investiga un nuevo método para clasificar exoplanetas utilizando Spiking Neural Networks (SNN) aplicado a datos obtenidos de la misión Kepler de la NASA. Los SNN brindan una ventaja única al imitar el comportamiento de activación de las neuronas en el cerebro, lo que permite un procesamiento de datos temporales más preciso y de inspiración biológica.

Los resultados experimentales muestran la efectividad de la arquitectura SNN propuesta, superando varias métricas de rendimiento como exactitud, puntuación F1, precisión y recuperación.

Manit Chatterjee, Anuvab Sen, Subhabrata Roy

Comentarios: 6 páginas, 10 figuras, 2 tablas, aceptado por la 13.ª Conferencia Internacional IEEE sobre Sistemas de Comunicaciones y Tecnologías de Redes (CSNT 2024), 6 y 7 de abril de 2024, India
Temas: Instrumentos y Métodos Astrofísicos (astro-ph.IM); Astrofísica de la Tierra y los Planetas (astro-ph.EP)
Citar como: arXiv:2406.07927 [astro-ph.IM] (o arXiv:2406.07927v1 [astro-ph.IM] para esta versión)
https://doi.org/10.48550/arXiv.2406.07927
Enfócate para aprender más
Referencia de la revista: 2024 IEEE 13.ª Conferencia Internacional sobre Sistemas de Comunicaciones y Tecnologías de Redes (CSNT 2024)
Identificación digital relevante:
https://doi.org/10.1109/CSNT60213.2024.10545663
Enfócate para aprender más
Día de entrega
De: Manit Chatterjee
[v1] Miércoles 12 de junio de 2024, 06:45:45 UTC (528 KB)
https://arxiv.org/abs/2406.07927
Astrobiología