برای پاسخ دادن به سوال های مهم موجود درباره ی ساختار و تحول ستاره ها نیاز به داشتن اطلاعاتی از قبیل فراوانی ستاره ها و نیز سن آن ها داریم.این اطلاعات از طریق پارامترهای جوی ستاره همچون دمای موثر(teff)، گرانش سطحی (logg)وفلزیت (fe/h) حاصل می شوند. بنابراین داشتن اطلاعات معتبر درباره ی ویژگی های فیزیکی ستاره اهمیت فراوانی در شناخت ساختار ستاره ها و نیز کهکشان ها دارد. یکی از اهداف طبقه بندی mk، استخراج این پارامترها می باشد.مشکلی که در این زمینه وجود دارد این است که در بسیاری از موارد این طبقه بندی ها ثابت نیستند و تغییر می کنند. بنابراین توانایی استخراج این پارامترها مستقیما از طریق طیف ستاره ها1 از اهمیت فراوانی برخوردار است. امروزه به طور گستردهای از روشهای اتوماتیک آنالیز، طبقه بندی2 و استخراج پارامتر3 در نواحی مختلف نجوم استفاده میشود. حجم بسیار بالای مقالات چاپ شده و کاربرد گسترده این تکنیکهای اتوماتیک نشان دهنده پذیرش این روشها در بین منجمین می باشد.]5و4و3و2و1 [. در این پروژه از روش شبکه ی عصبی مصنوعی4 که یک روش سریع و دقیق است، برای استخراج این پارامترها استفاده می شود. شبکه ی عصبی با استفاده از داده های طیفی استخراج شده از سایت اس دی اس اس5 آموزش داده می شود (داده های آموزش6) و برای تست آن نیز از تعداد دیگری داده های طیفی که از همین سایت استخراج شده (داده های تست7)، استفاده می شود.از آنجایی که آموزش شبکه ی عصبی بسیار سریع است می توان تعداد بسیار زیادی طیف ستاره ای را در مدت زمان بسیار کوتاه بر اساس این پارامترهای فیزیکی طبقه بندی کرد.