Subjects: Nuclear Science and Technology >> Other Disciplines of Nuclear Science submitted time 2024-06-30
Abstract：在核辐射测量中，受限于测量系统本身以及测量环境的干扰，脉冲畸变不可避免，如果无法准确估计这类脉冲的参数将会降低能谱的分辨性能。本文提出将六种轻量级神经网络模型用于畸变脉冲的参数预测，预测对象包括脉冲幅度参数和畸变时间参数。以预定义的数学模型生成的畸变脉冲为基础数据集，经数字三角整形得到模型训练所需的数据集。模型性能评估结果表明，传统的数字整形法虽然在时间参数预测上具有绝对优势，但在幅度参数预测中却受到脉冲畸变的限制，无法获得准确的幅度预测结果。在对包括UNet在内的六种神经网络模型进行参数预测性能评估时，UNet模型在测试集上获得了最低的相对误差，其中幅度参数的相对误差约为0.57%，时间参数的相对误差为3.51%。在信噪比实验中，探讨噪声对具有优秀参数预测性能的UNet模型与CNN-LSTM模型的影响，进一步证明了UNet模型优秀的抗噪性能。
Subjects: Nuclear Science and Technology >> Other Disciplines of Nuclear Science submitted time 2024-06-13
Abstract：在核辐射测量中，受限于测量系统本身以及测量环境的干扰，脉冲畸变不可避免，如果无法准确估计这类脉冲的参数将会降低能谱的分辨性能。本文提出将六种轻量级神经网络模型用于畸变脉冲的参数预测，预测对象包括脉冲幅度参数和畸变时间参数。以预定义的数学模型生成的畸变脉冲为基础数据集，经数字三角整形得到模型训练所需的数据集。模型性能评估结果表明，传统的数字整形法虽然在时间参数预测上具有绝对优势，但在幅度参数预测中却受到脉冲畸变的限制，无法获得准确的幅度预测结果。在对包括UNet在内的六种神经网络模型进行参数预测性能评估时，UNet模型在测试集上获得了最低的相对误差，其中幅度参数的相对误差约为0.57%，时间参数的相对误差为3.51%。在信噪比实验中，探讨噪声对具有优秀参数预测性能的UNet模型与CNN-LSTM模型的影响，进一步证明了UNet模型优秀的抗噪性能。
Hits
Hits
Downloads
Comment