摘要为实现对低计数、多种类的复杂放射性核素的准确识别,引入卷积神经网络(convolutional neural network,CNN)搭建针对低计数、多种类放射性核素识别模型.利用蒙特卡罗仿真创建由 241Am、133Ba、57Co、60Co、137Cs、152Eu 以及 40K 组成的单源、两源以及三源共 63 种不同种类放射性核素能谱数据库.利用仿真训练集和仿真验证集样本完成CNN训练及超参数优化,利用测试集样本验证模型性能.结果表明,该模型对低计数、多种类放射性核素具有良好的识别性能.
更多相关知识
- 浏览0
- 被引0
- 下载0

相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文