<?xml version="1.0" encoding="utf-8"?>
<Gradivo ID="186112" NadgradivoID="0" NRID="29136250" OceID="0" DomainUrl="https://repozitorij.uni-lj.si/" IzpisPolniUrl="https://repozitorij.uni-lj.si/IzpisGradiva.php?lang=slv&amp;id=186112" StOgledov="192" StPrenosov="93" StOcen="0" VsotaOcen="0" DatumIzvoza="2026-11-21 10:00:38" OcenaSkupna="0" StPodgradiv="0" StudijskiProgramEvsID="0" JeIndeksirano="0" JeVecAvtorjev="0" DovoliZahtevkeZaDostop="0">
  <PID Url="http://hdl.handle.net/20.500.12556/RUL-186112">20.500.12556/RUL-186112</PID>
  <Naslov>Napovedovanje radialnih hitrosti zvezd iz petdimenzionalnih astrometričnih in fotometričnih podatkov misije Gaia z uporabo strojnega učenja</Naslov>
  <Podnaslov></Podnaslov>
  <TujJezik_Naslov>Predicting Stellar Radial Velocities from Five-Dimensional Astrometric and Photometric Data from the Gaia Mission Using Machine Learning</TujJezik_Naslov>
  <TujJezik_Podnaslov></TujJezik_Podnaslov>
  <Opis>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.</Opis>
  <TujJezik_Opis>The thesis investigates the use of machine learning methods to infer stellar radial velocities from the Gaia DR3 catalogue. The goal is to examine the extent to which the astrometric and photometric measurements, which are available for a far larger sample of stars compared to spectroscopic measurements, can be used to predict the missing third component of velocity, radial velocity. We use Bayesian neural networks and gradient-boosted decision trees to predict radial velocities. The models are trained on a clean sample of stars from the Gaia DR3 catalogue with measured radial velocities. We use the mean absolute error as a measure of the accuracy of the models&#039; predictions and investigate how well the kinematic structure of the stellar halo is preserved. The most successful model is a Bayesian neural network that uses a combination of astrometric and photometric features and achieves a mean absolute error of 27.75 km/s on the test sample. We observe that the errors are on average significantly larger in the region of the sky corresponding to the Galactic bulge, and for faint stars. The model is not successful at predicting high radial velocities and is better suited to stars with lower radial velocities, such as the thin disc stars in the solar neighbourhood. However, the model is quite successful at preserving the kinematic structure of the stellar halo, correctly identifying approximately 75 % of the stars classified as halo stars using their measured radial velocities.</TujJezik_Opis>
  <KljucneBesede>
    <Beseda>radialne hitrosti</Beseda>
    <Beseda>Bayesove nevronske mreže</Beseda>
    <Beseda>gradientno ojačana odločitvena drevesa</Beseda>
    <Beseda>galaktična dinamika</Beseda>
    <Beseda>Gaia</Beseda>
  </KljucneBesede>
  <TujJezik_KljucneBesede>
    <Beseda>radial velocities</Beseda>
    <Beseda>Bayesian neural networks</Beseda>
    <Beseda>gradient-boosted decision trees</Beseda>
    <Beseda>Galactic dynamics</Beseda>
    <Beseda>Gaia</Beseda>
  </TujJezik_KljucneBesede>
  <Potrjeno>true</Potrjeno>
  <JeZaklenjeno>false</JeZaklenjeno>
  <JeRecenzirano>false</JeRecenzirano>
  <Zaloznik></Zaloznik>
  <Izvor></Izvor>
  <Jezik ID="1060" ISO639-3="slv">Slovenski jezik</Jezik>
  <TujJezik ID="1033" ISO639-3="eng">Angleški jezik</TujJezik>
  <Povezave></Povezave>
  <Pokrivanje></Pokrivanje>
  <CasovnoPokritje></CasovnoPokritje>
  <AvtorskePravice></AvtorskePravice>
  <VrstaGradiva ID="mb22" DRIVER="info:eu-repo/semantics/masterThesis">Magistrsko delo/naloga</VrstaGradiva>
  <DatumVstavljanja>2026-08-27 08:15:38</DatumVstavljanja>
  <DatumObjave>2026-08-27 08:15:44</DatumObjave>
  <DatumSpremembe>2026-09-02 15:59:56</DatumSpremembe>
  <DatumTrajnegaHranjenja>0000-00-00 00:00:00</DatumTrajnegaHranjenja>
  <LetoIzida>2026</LetoIzida>
  <LetoIzidaDo>0</LetoIzidaDo>
  <KrajIzida></KrajIzida>
  <LetoIzvedbe>0</LetoIzvedbe>
  <KrajIzvedbe></KrajIzvedbe>
  <Opomba></Opomba>
  <StStrani></StStrani>
  <StevilcenjeNivo1></StevilcenjeNivo1>
  <StevilcenjeNivo2></StevilcenjeNivo2>
  <Kronologija></Kronologija>
  <Patent_Stevilka></Patent_Stevilka>
  <Patent_DatumVeljavnosti>0000-00-00</Patent_DatumVeljavnosti>
  <VerzijaDokumenta>NiDoloceno</VerzijaDokumenta>
  <StatusObjaveDrugje>NiDoloceno</StatusObjaveDrugje>
  <VrstaStroskaObjave>NiDoloceno</VrstaStroskaObjave>
  <DatumPoslanoVRecenzijo>0000-00-00</DatumPoslanoVRecenzijo>
  <DatumSprejetjaClanka>0000-00-00</DatumSprejetjaClanka>
  <DatumObjaveClanka>0000-00-00</DatumObjaveClanka>
  <EmbargoDo></EmbargoDo>
  <VrstaEmbarga ID="1" Naziv="Takojšnja javna objava" OpenAIREDostop="openAccess"></VrstaEmbarga>
  <Osebe>
    <Oseba ID="164285" Ime="Oskar" Priimek="Mlakar" AltIme="" VlogaID="70" VlogaNaziv="Avtor" ConorID="" Afiliacija="" ArrsID="0" ORCID=""></Oseba>
    <Oseba ID="42812" Ime="Tomaž" Priimek="Zwitter" AltIme="Tomaz Zwitter; T. Zwitter" VlogaID="991" VlogaNaziv="Mentor" ConorID="2892899" Afiliacija="" ArrsID="08000" ORCID=""></Oseba>
  </Osebe>
  <Identifikatorji>
    <Identifikator ID="16" Sifra="VisID" Naziv="VisID" URL="">161876</Identifikator>
    <Identifikator ID="3" Sifra="CobissID" Naziv="COBISS_ID" URL="https://plus.cobiss.net/cobiss/si/sl/bib/289813507">289813507</Identifikator>
  </Identifikatorji>
  <Relacije>
  </Relacije>
  <VerzijeGradiva>
  </VerzijeGradiva>
  <Datoteke>
    <Datoteka ID="245192" DatotekaNRID="14769911" NamenDatotekeID="2" NamenDatoteke="Predstavitvena datoteka" FormatDatotekeID="2" FormatDatoteke=".pdf" MIME="application/pdf" IkonaFormata="pdf.png" IkonaFormataPolniUrl="https://repozitorij.uni-lj.si/teme/rulDev/img/fileTypes/pdf.png" VelikostDatoteke="6533579" VelikostDatotekeKratko="6,23 MB" DatumVstavljanja="2026-08-27 08:15:45" JeZbrisana="false" JeJavnoVidna="true" JeIndeksirana="false" JeVidno="true" VidnoOd="01.01.0001" Zaporedje="0">
      <Naziv>23660.pdf</Naziv>
      <OrgNaziv>23660.pdf</OrgNaziv>
      <URL></URL>
      <Opis></Opis>
      <OpisTujJezik></OpisTujJezik>
      <UrlObdelave></UrlObdelave>
      <FrekvencaAzuriranjaID>1</FrekvencaAzuriranjaID>
      <Verzija></Verzija>
      <MD5>AF6443FA6D797C2EA1A28A498DE1128A</MD5>
      <SHA256>5bc842931b0e2a657147df4e3c29072b32c01a8e53fe868a0bf409fa31b45209</SHA256>
      <UUID>5286964e-a1de-11f1-9b0d-0050569b8976</UUID>
      <PID></PID>
      <PrenosPolniUrl>https://repozitorij.uni-lj.si/Dokument.php?lang=slv&amp;id=245192</PrenosPolniUrl>
      <Vsebine>
      </Vsebine>
    </Datoteka>
  </Datoteke>
  <Organizacije>
    <Organizacija OrganizacijaID="11" Kratica="FMF" ZavodEvsID="0000064" Logo="" LogoPolniUrl="https://repozitorij.uni-lj.si/teme/rulDev/img/logo/">Fakulteta za matematiko in fiziko </Organizacija>
  </Organizacije>
  <OrganizacijeVira>
  </OrganizacijeVira>
  <MetodeZbiranjaPodatkov>
  </MetodeZbiranjaPodatkov>
  <TipologijaDela ID="2.09" Koda="2.09" Naziv="Magistrsko delo" SchemaOrg="Thesis"></TipologijaDela>
  <Ostalo>
    <StIrodsDatotek>0</StIrodsDatotek>
    <StDatotekPodTrajnimEmbargom>0</StDatotekPodTrajnimEmbargom>
    <StDatotekZOmejenimDostopom>0</StDatotekZOmejenimDostopom>
  </Ostalo>
</Gradivo>
