机构名称：
¥ 1.0
摘要 - γ发射放射性核素的自动识别和量化，这是由于放射性源环境中伽马相互作用而导致的光谱变形，这是各种核应用的挑战。在本文中，通过开发结合机器学习和经典统计方法的混合方法来解决此问题。提出了一种基于机器学习的自动编码器，可以提出可以使用有限数据捕获光谱变异性的。研究了一种使用预训练的自动编码器的新型混合构想算法，以在四个放射性核素的混合物（57 CO，60 CO，133 BA，137 CS）的情况下进行频谱特征的联合估算和计数。这项研究是为了考虑到低统计量下的衰减和康普顿散射引起的光谱变形。结果证明了这种新的混合方法基于机器学习的有效性和对γ光谱自动全光谱分析的最大可能性的有效性。索引术语 - gamma射线光谱，光谱变异性，混合算法，机器学习，插值自动编码器，半盲透明
一种混合机器学习γ-...
主要关键词
相关文件推荐
