Discriminación del ruido de fondo en miografía usando técnicas de aprendizaje automatizado

Simple item page
dc.contributor.advisorPeña Rodríguez, Jesús
dc.contributor.advisorNúñez de Villavicencio Martínez, Luis Alberto
dc.contributor.advisorMartínez Carrillo, Fabio
dc.contributor.authorRamírez Muñoz, Alejandro
dc.contributor.authorVillabona Ardila, David
dc.date.accessioned2024-03-04T01:17:47Z
dc.date.available2021
dc.date.available2024-03-04T01:17:47Z
dc.date.created2021
dc.date.issued2021
dc.description.abstractLa muografía es una técnica no-invasiva que se utiliza para escanear grandes estructuras antrópicas o naturales. Su principio de funcionamiento consiste en la medición del flujo de muones que cruzan la estructura en diferentes direcciones. Esta técnica tiene aplicaciones en campos tales como: mediciones subterráneas, arqueología, detección de materiales ocultos en contenedores, reactores y residuos nucleares. Esta técnica se ve afectada por una subestimación de la densidad del objeto, producto del ruido de fondo (falsos-positivos) que se pueden clasificar en: partículas cargadas procedentes de lluvias aéreas extensas (EAS), las partículas que inciden desde la parte trasera del detector, los muones de baja energía que son dispersados por la superficie del volcán y eventos de múltiple partícula. Para la eliminación del ruido se han desarrollado técnicas pasivas como la instalación de paneles absorbentes, para filtrar las partículas de baja energía y el aumento de la cantidad de paneles sensibles, para disminuir la probabilidad de detectar eventos combinacionales. En la actualidad se plantea la eliminación del ruido de fondo con sistemas ToF e identificación de partículas1 . En este trabajo se desarrolla un clasificador de aprendizaje automatizado que disminuya las principales fuentes de ruido que pueden afectar la muografía, basados en los datos del detector MuTe. El proyecto se divide en 2 partes: En la primera instancia se desarrolla un clasificador de aprendizaje supervisado para separar la componente electromagnética, muónica y de múltiple partícula. En la segunda parte se desarrolla un clasificador de aprendizaje no-supervisado el cual discrimina los muones de bajo momentum (< 1 GeV/c).
dc.description.abstractenglishMuongraphy is a non-invasive technique used to scan large anthropic or natural structures. Its operating principle consists of measuring the flux of muons that cross the structure in different directions. This technique has applications in fields such as: underground measurements, archeology , detection of hidden materials in containers, reactors and nuclear waste. This technique is affected by an underestimation of the object density, as a consequence of background noise (false-positives) that can be classified into: charged particles from extensive air showers (EAS), the incident particles from the rear of the detector, low energy mouns that are scattered by the surface of the volcano and multiple particle events. Techniques have been developed for the elimination of noise, such as the installation of absorbent panels, to filter low-energy particles and increasing the number of sensitive panels, to reduce the probability of detecting combinational events. At present, the elimination of background noise with ToF systems and particle identification is being considered1 . In this work, an automated learning classifier is developed that reduces the main sources of noise that can affect muography, based on data from the MuTe detector.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero de Sistemas
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/41554
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicomecánicas
dc.publisher.programIngeniería de Sistemas
dc.publisher.schoolEscuela de Ingeniería de Sistemas e Informática
dc.rightshttp://creativecommons.org/licenses/by/4.0/
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0
dc.subjectRayos cósmicos
dc.subjectMuografía
dc.subjectAprendizaje automatizado
dc.subjectRuido de fondo.
dc.subject.keywordCosmic rays
dc.subject.keywordMuography
dc.subject.keywordMachine learning
dc.subject.keywordBackground noise
dc.subject.keywordMuTe.
dc.titleDiscriminación del ruido de fondo en miografía usando técnicas de aprendizaje automatizado
dc.title.englishDiscrimination of background noise in muography using machine learning techniques
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_7a1f
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
125.22 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
1.83 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
249.88 KB
Format:
Adobe Portable Document Format
Download
Collections
Ingeniería de Sistemas