Clusterig cosmológico: un enfoque del clustering gravitacional clásico inspirado en la estructura y dinámica del cosmos a gran escala
Fecha
2021Autor
Versión
Acceso abierto / Sarbide irekia
Tipo
Contribución a congreso / Biltzarrerako ekarpena
Versión
Versión publicada / Argitaratu den bertsioa
Identificador del proyecto
Impacto
|
nodoi-noplumx
|
Resumen
En este trabajo proponemos un nuevo enfoque del
algoritmo de clustering gravitacional basado en lo que Einstein considero su 'mayor error': la constante cosmológica. De manera similar al algoritmo de clustering gravitacional, nuestro enfoque
está inspirado en principios y leyes del cosmos, y al igual que ocurre con la teoría de la relatividad de Einstein y la teoría de la gravedad de Newton, nu ...
[++]
En este trabajo proponemos un nuevo enfoque del
algoritmo de clustering gravitacional basado en lo que Einstein considero su 'mayor error': la constante cosmológica. De manera similar al algoritmo de clustering gravitacional, nuestro enfoque
está inspirado en principios y leyes del cosmos, y al igual que ocurre con la teoría de la relatividad de Einstein y la teoría de la gravedad de Newton, nuestro enfoque puede considerarse
una generalización del agrupamiento gravitacional, donde, el algoritmo de clustering gravitacional se recupera como caso límite. Además, se desarrollan e implementan algunas mejoras que tienen como objetivo optimizar la cantidad de iteraciones finales, y de esta forma, se reduce el tiempo de ejecución tanto para el algoritmo original como para nuestra versión. [--]
Materias
Cosmos,
Clustering,
No supervisado,
Simulación,
Fuerza gravitacional
Editor
Universidad de Málaga
Publicado en
Enrique Alba... [et al.] (Eds.): XIX Conferencia de la Asociación Española para la Inteligencia Artificial CAEPIA 20/21. Universidad de Málaga, 2021.
Departamento
Universidad Pública de Navarra. Departamento de Estadística, Informática y Matemáticas /
Nafarroako Unibertsitate Publikoa. Estatistika, Informatika eta Matematika Saila
Entidades Financiadoras
Este trabajo ha sido respaldado por los proyectos PID2019-108392GB-I00 (AEI/10.13039/ 501100011033) de la Agencia Estatal de Investigación.