卷积神经网络在复杂核素识别中的应用

卷积神经网络在复杂核素识别中的应用

论文摘要

针对传统核素识别方法对高本底、低探测率的复杂伽马能谱存在特征提取困难、建模复杂以及识别率低等问题,提出了一种使用卷积神经网络(CNN)进行核素识别的方法。利用CNN可自适应、隐式地提取图像特征并进行分类学习的特点,搭建多层卷积神经网络的核素识别模型,通过网络模型特征提取层和分类器的训练,获取深层次的核素特征描述,实现多核素识别。基于蒙特卡洛分析软件Geant4仿真数据进行了对比分析实验,结果表明:本文提出的方法其时间复杂度为O(n~2),所提方法避免了复杂的显式特征提取过程,能够对IAEA规定的部分常见单一及混合核素实时地多核素识别。

论文目录

  • 0 引 言
  • 1 CNN模型描述
  • 2 基于CNN的核素识别算法
  •   2.1 核素识别流程
  •   2.2 核素数据预处理
  •   2.3 核素识别CNN框架搭建
  • 3 结果与分析
  •   3.1 无噪声仿真数据实验
  •   3.2 含噪仿真数据实验
  • 4 结 论
  • 文章来源

    类型: 期刊论文

    作者: 胡浩行,张江梅,王坤朋,冯兴华

    关键词: 伽马能谱,核素识别,卷积神经网络,深层特征,自适应提取

    来源: 传感器与微系统 2019年10期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 核科学技术,自动化技术

    单位: 西南科技大学信息工程学院,西南科技大学核废物与环境安全国防重点学科实验室

    基金: 国家自然科学基金资助项目(61501385),国防科工局核能开发项目(18ZG6103),四川省应用基础资助项目(18YYJC1688,2016JY0242)

    分类号: TP183;TL81

    DOI: 10.13873/j.1000-9787(2019)10-0154-03

    页码: 154-156+160

    总页数: 4

    文件大小: 2731K

    下载量: 165

    相关论文文献

    标签:;  ;  ;  ;  ;  

    卷积神经网络在复杂核素识别中的应用
    下载Doc文档

    猜你喜欢