| KEYWORD |
Machine learning basato su features e deep learning per immagini per la previsione di brillamenti solari
Parole chiave MACHINE LEARNING, DEEP LEARNING, OTTIMIZZAZIONE
Riferimenti EMMA PERRACCHIONE
Tipo tesi TESI SPERIMENTALE
Descrizione I brillamenti solari sono i fenomeni più esplosivi nell’eliosfera; essi hanno origine da regioni magneticamente attive sul Sole (ARs) ma non tutte le regioni attive danno origine a brillamenti solari. L’applicazione di tecniche di intelligenza artificiale per la loro previsione è un tema di rilievo nello space weather. Nell’ultimo decennio tecniche di machine e deep learning hanno ottenuto grande interesse nel tema di previsione di brillamenti solari, grazie alla flessibilità degli algoritmi che possono prendere in input feature fisiche estratte dai magnetogrammi delle ARs, serie temporali di features o direttamente immagini di ARs e video di magnetogrammi di ARs. Ci proponiamo di investigare quali sono i vantaggi e limiti di tecniche di machine learning a partire da feature fisiche o tecniche di deep learning a partire da immagini e investighiamo approcci ibridi che possono combinare tali tecniche per ottenere migliori previsioni.
Scadenza validita proposta 27/01/2024
PROPONI LA TUA CANDIDATURA