針對(duì)新興的能譜核素識(shí)別方法在混合放射性核素的噪聲環(huán)境中存在識(shí)別速度慢、準(zhǔn)確率較低等問(wèn)題,提出了基于長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)（LSTM）的能譜核素識(shí)別方法。實(shí)驗(yàn)使用溴化鑭（LaBr3）晶體探測(cè)器,分別對(duì)環(huán)境中60Co、137Cs放射性源分組測(cè)量得到能譜數(shù)據(jù)集,首先使用數(shù)據(jù)平滑方法和歸一化方法進(jìn)行數(shù)據(jù)預(yù)處理,然后將能譜數(shù)據(jù)按時(shí)間序列分組以獲得可用的輸入序列數(shù)組,最后訓(xùn)練LSTM模型得到預(yù)測(cè)結(jié)果。通過(guò)基于BP神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)（CNN）的兩個(gè)能譜識(shí)別模型進(jìn)行對(duì)比,得到在測(cè)試集中平均識(shí)別率分別為83.45%和86.21%,而LSTM能譜識(shí)別模型平均識(shí)別率為93.04%,實(shí)驗(yàn)結(jié)果表明,該能譜模型在核素識(shí)別效果中表現(xiàn)較好,可用于快速的能譜核素識(shí)別設(shè)備上。 

【文章來(lái)源】：強(qiáng)激光與粒子束. 2020,32(10)北大核心CSCD

【文章頁(yè)數(shù)】：8 頁(yè)

【參考文獻(xiàn)】：
期刊論文
[1]卷積神經(jīng)網(wǎng)絡(luò)在復(fù)雜核素識(shí)別中的應(yīng)用[J]. 胡浩行,張江梅,王坤朋,馮興華.  傳感器與微系統(tǒng). 2019(10)
[2]基于LSTM網(wǎng)絡(luò)的駕駛意圖識(shí)別及車輛軌跡預(yù)測(cè)[J]. 季學(xué)武,費(fèi)聰,何祥坤,劉玉龍,劉亞輝.  中國(guó)公路學(xué)報(bào). 2019(06)
[3]基于稀疏表示的核素能譜特征提取及核素識(shí)別[J]. 張江梅,季海波,馮興華,王坤朋.  強(qiáng)激光與粒子束. 2018(04)
[4]基于LSTM網(wǎng)絡(luò)的序列標(biāo)注中文分詞法[J]. 任智慧,徐浩煜,封松林,周晗,施俊.  計(jì)算機(jī)應(yīng)用研究. 2017(05)
[5]LM算法求解大殘差非線性最小二乘問(wèn)題研究[J]. 祝強(qiáng),李少康,徐臻.  中國(guó)測(cè)試. 2016(03)
[6]基于序貫貝葉斯方法的核素識(shí)別算法研究[J]. 問(wèn)斯瑩,王百榮,肖剛,沈春霞.  核電子學(xué)與探測(cè)技術(shù). 2016(02)
[7]基于極性轉(zhuǎn)移和LSTM遞歸網(wǎng)絡(luò)的情感分析[J]. 梁軍,柴玉梅,原慧斌,高明磊,昝紅英.  中文信息學(xué)報(bào). 2015(05)
[8]多尺度變步長(zhǎng)最小均方自適應(yīng)算法在光纖陀螺數(shù)據(jù)處理中的應(yīng)用[J]. 高偉偉,王廣龍,陳建輝,高鳳岐,高爽.  強(qiáng)激光與粒子束. 2014(07)
[9]基于模糊邏輯的γ能譜核素識(shí)別[J]. 王一鳴,魏義祥.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(12)



本文編號(hào)：3198932