On neural networks base study of radio galaxies

Radek Jančík

Bakalářská práce

Anotace:

Morfologie rádiových galaxií je ve vzájemném vztahu s vlastnostmi jejich fyzického prostředí, a je tedy velmi důležitá při studování vesmíru. V této práci představujeme konvoluční neuronovou síť, která automaticky klasifikuje snímky rádiových galaxií do tří kategorií: Fanaroff-Riley I (FR I), Fanaroff-Riley II (FR II) a Bent-tailed. Dále diskutujeme o vlastnostech našeho klasifikátoru, jeho úspěšnosti a provádíme srovnání s již existujícími klasifikátory morfologií rádiových galaxií, které jsou také založené na konvolučních neuronových sítích.

Abstract:

The morphology of radio galaxies is correlated to characteristics of their physical environment and is therefore very important in the study of the Universe. In this thesis, we present a convolutional neural network that automatically classifies images of radio galaxies into three morphological categories: Fanaroff-Riley I (FR I), Fanaroff-Riley II (FR II), and Bent-tailed. We discuss the properties of our classifier, its performance, and its differences with existing convolutional neural network classifiers of radio galaxy morphology.

Keywords

machine learning, convolutional neural network, classifier, image augmentation, image classification, radio galaxies, morphology

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 20. 7. 2020

Obhajoba závěrečné práce

• Obhajoba proběhla 25. 9. 2020
• Vedoucí: Mgr. Filip Hroch, Ph.D.
• Oponent: RNDr. Petr Škoda, CSc.

Masarykova univerzita

Fakulta informatiky

Bakalářský studijní program / obor:
Informatika / Matematická informatika