文献

J-GLOBAL ID：202002247565255388   整理番号：20A0953377

放射能分析のためのガンマ線スペクトル同定のための機械学習法【JST・京大機械翻訳】

Machine Learning Approach for Gamma-ray Spectra Identification for Radioactivity Analysis

著者 (3件)： Kin T. (Kyushu University,Department of Advanced Energy Engineering Science,Fukuoka,Japan) ,  Goto J. (Niigata University,Institute for Research Promotion,Niigata,Japan) ,  Oshima M. (Japan Chemical Analysis Center,Chiba,Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： NSS/MIC  ページ： 1-2  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 福島第一次発電所事故からの環境回復のための効率的ガンマ線分光法のための機械学習モデルを提案した。本研究では,スクリーニング測定における機械学習による放射性核種同定に焦点を当てた。二つの隠れ層を持つ簡単な深いニューラルネットワークを提案し,単一ガンマ線スペクトルに対して95%以上の同定精度を達成した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 放射性同位体 ,  *放射能 ,  発電所 ,  ニューラルネットワーク ,  *γ線スペクトル ,  福島県 ,  スクリーニング ,  *機械学習 ,  環境修復
準シソーラス用語： 隠れ層 ,  γ線分光法 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 放射能 ,  分析 ,  ガンマ線スペクトル ,  同定 ,  機械学習