基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出了基于人工神经网络的γ能谱定量分析方法。通过对标准源γ能谱的线性组合,建立了γ能谱分析网络训练样本集,并对RBF人工神经网络进行了训练。对已知标准点源不同测量时间的组合γ能谱和标准环境样品γ能谱进行了仿真分析,分析结果的相对误差分别小于3%和小于8%。研究表明,基于RBF人工神经网络的γ能谱分析方法是有效可行的。
推荐文章
基于BP神经网络和RBF神经网络的砂土基础液化判别
砂土液化
BP神经网络
RBF神经网络
预测
比较
基于RBF神经网络系统辨识研究
RBF神经网络
系统辨识
MATLAB
对比分析
基于改进灰狼算法的RBF神经网络研究
灰狼优化算法
非线性
RBF神经网络
权值
分类
基于RBF神经网络的水泥强度预测
神经网络
RBF神经网络
水泥强度
预测模型
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于 RBF 人工神经网络的γ能谱分析
来源期刊 核电子学与探测技术 学科 工学
关键词 人工神经网络 RBF网络 γ能谱分析 线性时不变系统 线性叠加原理
年,卷(期) 2016,(1) 所属期刊栏目
研究方向 页码范围 56-59
页数 4页 分类号 TP274
字数 3209字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王崇杰 辽宁师范大学物理与电子技术学院 23 111 6.0 10.0
2 刘媛媛 辽宁师范大学物理与电子技术学院 6 27 3.0 5.0
3 刘硕 辽宁师范大学物理与电子技术学院 4 9 2.0 3.0
4 张博超 辽宁师范大学物理与电子技术学院 2 10 2.0 2.0
5 张倩妮 辽宁师范大学物理与电子技术学院 2 10 2.0 2.0
6 贾慧慧 辽宁师范大学物理与电子技术学院 1 2 1.0 1.0
7 冯琳懿 辽宁师范大学物理与电子技术学院 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (11)
共引文献  (11)
参考文献  (4)
节点文献
引证文献  (2)
同被引文献  (6)
二级引证文献  (1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(6)
  • 参考文献(0)
  • 二级参考文献(6)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
人工神经网络
RBF网络
γ能谱分析
线性时不变系统
线性叠加原理
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
核电子学与探测技术
双月刊
0258-0934
11-2016/TL
大16开
北京市经济技术开发区宏达南路3号
1981
chi
出版文献量(篇)
5579
总下载数(次)
9
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导