تعیین عمق اشباع در پراکندگی کامپتون با استفاده از شبکه‌های عصبی مصنوعی

نویسندگان

چکیده مقاله:

Abstract: The intensity of Compton scattered γ-ray photons provide useful information about the electron density distribution of a test sample. Because of photon attenuation, the application of this method is limited to a certain depth of the sample (saturation depth). The saturation depth value depends on the energy and intensity of primary photons and on the material of the sample. In this study, we measured the energy spectrum of the scattered photons of 662 keV at 90° with a NaI(Tl) scintillator; and determined the saturation depth of the sample by the Artificial Neural Network (ANN) algorithm. Two sets of samples with known and unknown density were used to train and test the network, respectively. The highest precision (with 0.15% relative error) was achieved by using the Levenbert-Marquardt algorithm with five hidden layers.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

تخمین هدایت هیدرولیکی اشباع در برخی از خاکهای استان ایلام با استفاده از شبکههای عصبی مصنوعی و روشهای رگرسیونی

هدایت هیدرولیکی اشباع ) Ks ( یکی از ورودیهای مهم در مدلسازی جریان آب و انتقال آلایندهها در خاک، طراحی سیستمهای آبیاری و زهکشی، مدلسازی آبهایزیرزمینی و فرایندهای زیستمحیطی است. اندازهگیری مستقیم Ks در مزرعه و آزمایشگاه میسّر میباشد؛ لیکن، معمولاً زمانبر، پرهزینه و دشوار بوده و در سطوحبزرگ نیز غیرعملی است. افزون بر این، بهدلیل غیرهمگن بودن خاک و خطاهای آزمایشگاهی، تا حدودی این اندازهگیریها غیرقابل ...

متن کامل

استفاده از پراکندگی کامپتون برای شناسایی مواد

با استفاده از تابش گاما تا انرژیهای 384 کیلو الکترون ولت و موادی با عدد اتمی کمتر از 60 که شامل اغلب مواد پیرامون ما است، برهمکنش غالب برای تابش پراکندگی کامپتون خواهد بود. در این مقاله به بررسی پراکندگی کامپتون اشعه گاما از مواد مختلف پرداخته می شود و اینکه چگونه می توان یک اسباب اندازه گیری قابل حمل در شناسایی مواد مختلف ممنوعه که به نحوی در داخل چمدان، لای درب اتومبیل و غیره جاسازی شده اند ب...

متن کامل

کاربرد شبکه عصبی مصنوعی در پیش‌بینی هدایت هیدرولیکی اشباع با استفاده از پارامترهای فیزیکی خاک

ویژگی­های هیدرولیکی خاک همچون هدایت هیدرولیکی اشباع و غیراشباع در مطالعات زیست محیطی نقش مهمی را ایفا می­نمایند.  از آنجائی­که اندازه­گیری مستقیم این قبیل ویژگی­های هیدرولیکی خاک امری وقت­گیر و هزینه­بر است روش­های غیرمستقیمی چون توابع انتقالی و شبکه­های عصبی مصنوعی بر مبنای پارامترهای سهل الوصول خاک توسعه یافته­اند.  در این خصوص در این مطالعه، از شبکه عصبی مصنوعی به­ منظور تخمین هدایت هیدرولیک...

متن کامل

تعیین ارزش دارایی‌های نامشهود با استفاده از شبکه عصبی مصنوعی

درک عوامل موثر بر ارزش شرکت برای سرمایه‌گذاران و اعتباردهندگان پیش از اتخاذ تصمیمات سرمایه‌گذاری یا اعطای تسهیلات، امری حیاتی است. از آن‌جایی که اقتصاد دانش‌محور در حال تکامل یافتن است، روش ایجاد ارزش شرکتی از شیوه سنتی مبتنی بر دارایی‌های فیزیکی به دانش نامشهود منتقل شده است. از این‌رو در آینده نه چندان دور، ارزش‌گذاری دارایی‌های نامشهود به موضوع مهمی در اقتصاد مبدل خواهد شد. این مطالعه بر آن ...

متن کامل

تعیین اندازه قطرات آفتکش با استفاده از شبکه‌های عصبی مصنوعی

امروزه توجه به مسائل ایمنی و زیست محیطی در تمام بخش­های کشاورزی، صنعتی و خدماتی کشورهای مختلف از اهمیت بالایی برخوردار است. در بخش کشاورزی با وجود تلاش­های فراوان برای یافتن روش­های جایگزین، سالانه میلیون­ها لیتر ماده­ی سمی برای کنترل آفات مزارع مصرف می­شود. در سمپاشی مؤثر اندازه قطرات  آفتکش نقش مهمی دارد اندازه‌ی قطرات تحت تاثیر عوامل متعددی از جمله فشار،  قطر سوراخ نازل،  گرانروی مایع پاشیده...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 18  شماره 2

صفحات  195- 205

تاریخ انتشار 2018-09

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

کلمات کلیدی

کلمات کلیدی برای این مقاله ارائه نشده است

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023