<?xml version="1.0"?>
<metadata xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:dc="http://purl.org/dc/elements/1.1/"><dc:title>Napovedovanje radialnih hitrosti zvezd iz petdimenzionalnih astrometričnih in fotometričnih podatkov misije Gaia z uporabo strojnega učenja</dc:title><dc:creator>Mlakar,	Oskar	(Avtor)
	</dc:creator><dc:creator>Zwitter,	Tomaž	(Mentor)
	</dc:creator><dc:subject>radialne hitrosti</dc:subject><dc:subject>Bayesove nevronske mreže</dc:subject><dc:subject>gradientno ojačana odločitvena drevesa</dc:subject><dc:subject>galaktična dinamika</dc:subject><dc:subject>Gaia</dc:subject><dc:description>Zaključno delo preučuje uporabo metod strojnega učenja za napovedovanje radialnih hitrosti zvezd iz podatkov misije Gaia DR3. Namen dela je preveriti, v kolikšni meri lahko iz astrometričnih in fotometričnih podatkov, ki so na voljo za veliko več zvezd kot spektroskopske meritve, napovemo manjkajočo komponento tridimenzionalne hitrosti, radialno hitrost. Za napovedovanje radialnih hitrosti uporabimo Bayesove nevronske mreže in gradientno ojačana odločitvena drevesa. Modele učimo na prečiščenem vzorcu zvezd iz kataloga Gaia DR3 z izmerjenimi radialnimi hitrostmi. Uspešnost napovedi ovrednotimo s povprečno napako napovedanih radialnih hitrosti ter preverimo, v kolikšni meri pristopa ohranjata kinematično strukturo galaktičnega haloja. Najboljši model je Bayesova nevronska mreža, ki uporablja astrometrične in fotometrične podatke ter doseže povprečno absolutno napako 27,75 km/s na testnem vzorcu. Opazimo, da so napake izrazito povišane za zvezde v smeri osrednje odebelitve in temnejše zvezde, kar občutno poviša povprečno napako. Poleg tega opazimo, da model ni zmožen zanesljivo napovedovati visokih radialnih hitrosti in se bolje obnese za nizke radialne hitrosti, kakršne srečamo pri bližnjih zvezdah tankega diska. Model sicer uspešno identificira približno 75 % zvezd haloja na podlagi napovedi.</dc:description><dc:date>2026</dc:date><dc:date>2026-08-27 08:15:38</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>186112</dc:identifier><dc:identifier>VisID: 161876</dc:identifier><dc:identifier>COBISS_ID: 289813507</dc:identifier><dc:language>sl</dc:language></metadata>
