INSTRUMENTACIÓN ELECTRÓNICA PARA EL ESTUDIO DE FENÓMENOS CROMOSFÉRICOS

Bibcode
LINK
FELIX HERRERA CABELLO
Thesis advisor
Dr.
Francisco Rubio Royo
Francisco
Sánchez Mártinez
Advertised on:
1
1979
Description

DISEÑO Y REALIZACION EN TECNOLOGIA INTEGRADA DE LA
INSTRUMENTACION NECESARIA PARA EL REGISTRO AUTOMATICO Y
EN TIEMPO REAL UTILIZANDO UN SISTEMA DE ALARMA
FOTOMETRICO Y UN FILTRO PROGRAMABLE DE LOS SIGUIENTES
FENOMENOS CROMOSFERICOS: FACULAS  MANCHAS  FILAMENTOS Y
FULGURACIONES. LOS FILTREGRAMAS  OSCILOGRAMAS Y REGISTRO
ANALOGICO O DIGITAL OBTENIDOS PERMITEN SEGUIR LA
EVOLUCION ESPACIAL  TEMPORAL Y ESPECTRAL DE LOS MISMO. UN
ANALISIS MORFOLOGICO DE ESTAS ESTRUCTURAS FACILITA LA
APLICACION RACIONAL DEL SISTEMA.

Type
Thesis

It may interest you

  • Thesis
    Improvement of farside activity detection with machine learning techniques and applications
    Hasta ahora, la única formar de monitorizar de manera consistente el hemisferio del Sol no visible (farside de aquí en adelante) desde la Tierra es el uso de métodos heliosísmicos. Estos métodos interpretan las oscilaciones del hemisferio visible (nearside de aquí en adelante) para inferir la actividad del farside, que es de gran importancia en las
    Elena García Broock

    Advertised on:

    2
    2024
    Bibcode
    Thesis
  • Thesis
    GALAXY FORMATION WITH GPU-ACCELERATED COMPUTING
    Esta tesis doctoral está dedicada al estudio de la formación y evolución de galaxias en un contexto cosmológico, aprovechando la potencia de la computación de alto rendimiento con un énfasis particular en la computación acelerada por tarjetas gráficas (GPU). Para avanzar en el campo, la tesis se enfoca en ampliar las capacidades del código público
    Isaac Alonso Asensio

    Advertised on:

    11
    2023
    Bibcode
    Tesis
  • Thesis
    UNCOVERING THE PHYSICS OF GALAXIES WITH SELF-SUPERVISED DEEP LEARNING
    As surveys grow, the challenge is how to explore and interpret the increasing quantity of data. For this, removing the observational biases and reducing the dimensionality of the data are fundamental. A promising avenue to do this is a self-supervised deep learning algorithm called contrastive learning. Contrastive learning is especially effective
    Regina Sarmiento

    Advertised on:

    12
    2023
    Bibcode
    Tesis