Context. We investigate the distribution of asteroid rotation periods from different regions of the solar system and diameter distributions of near-Earth asteroids (NEAs). Aims. We aim to verify if nonextensive statistics satisfactorily describes the data. Methods. Light curve data were taken from the Planetary Database System (PDS) with Rel ≥ 2. We also considered the taxonomic class and region of the solar system. Data of NEA were taken from the Minor Planet Center. Results. The rotation periods of asteroids follow a q-Gaussian with q = 2.6 regardless of taxonomy, diameter, or region of the solar system of the object. The distribution of rotation periods is influenced by observational bias. The diameters of NEAs are described by a q-exponential with q = 1.3. According to this distribution, there are expected to be 994 ± 30 NEAs with diameters greater than 1 km.

Resumo-Neste trabalho são associadas as ferramentas de Redes Neurais e de Tratamento de Imagens, na forma de técnicas de detecção de bordas, com o objetivo de identificar corretamente o número de carros em imagens obtidas a partir de um mesmo ponto fixo. As redes neurais artificiais, por serem inspiradas no neurônio biológico, possuem características muito úteis no reconhecimento de padrões. A detecção de bordas reduz a imagem original a uma imagem que apresenta apenas as bordas dos objetos contidos nela. Visto que experimentos realizados com seres humanos e outros animais mostraram que bordas são as mais importantes pistas para interpretar imagens, tal associação de ferramentas busca facilitar ou possibilitar a detecção do número de carros em imagens, o que possibilitaria, por exemplo, a determinação do tempo de atuação de semáforos em resultado da comparação do fluxo de suas diversas vertentes de tráfego. Como resultado, demonstra-se que tal associação é bem sucedida e que, apesar de se ter obtido um erro absoluto médio de 0,8 carros no derradeiro experimento, podem ser obtidos resultados melhores à medida que se aumenta o número de imagens utilizadas no treinamento da rede neural.