文献

J-GLOBAL ID：202002290326612422   整理番号：20A0344938

ガンマ線放射の減衰係数を推定するためのモジュールシステムの開発:カスケードフィードフォワードニューラルネットワークの異なる学習アルゴリズムの比較研究【JST・京大機械翻訳】

Development of a modular system for estimating attenuation coefficient of gamma radiation: comparative study of different learning algorithms of cascade feed-forward neural network

著者 (1件)： Moshkbar-Bakhshayesh Khalil (Department of Energy Engineering, Sharif University of Technology, Azadi Ave., Tehran, Iran)
資料名： Journal of Instrumentation  (Journal of Instrumentation)
巻： 14  号： 10  ページ： P10010  発行年： 2019年 
JST資料番号： W5562A  ISSN： 1748-0221  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 本論文では,人工ニューラルネットワーク(ANN)を用いて,異なる材料/エネルギーの質量減衰係数(MAC)を推定するためのモジュールシステムを開発した。一種のANNとしてのカスケードフィードフォワードニューラルネットワーク(CFFNN)は,入力パターンとターゲット(すなわちMAC)の間の写像関数を構築する。勾配降下(GD),運動量(GDM)による勾配降下,スケール化共役勾配(SCG),Levenberg-Marquardt(LM),およびBayes正則化(BR)を含むCFFNNの異なる学習アルゴリズムの性能を比較した。訓練のために,入力パターン特徴の異なるカテゴリを用いて,より適切なものを示した。結果の平均相対誤差(AMRE)と累積分布関数(CDF)は,特徴の選択したカテゴリー(すなわちZ,E,ρ)を伴うBR学習アルゴリズムがMAC(例えば,CDF_Al(0.0069)=0.99とAMRE_Al=0.0017)の推定のためにより正確であることを示した。この方法の利点は,MACの1推定を高速(すなわちモンテカルロ法と比較して)で行い,低コスト(すなわち余分な実験を必要としない)で行う。2モジュールシステムは,既存のシステムに好ましく影響を与えることなく,より多くの材料/混合物に対する推定器の数を拡張することができる。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： モンテカルロ法 ,  *γ線 ,  写像 ,  共役 ,  *ニューラルネットワーク ,  *学習アルゴリズム ,  正則化 ,  運動量 ,  減衰定数
準シソーラス用語： 累積分布関数 ,  相対誤差 ,  入力パターン , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (10件)： ガンマ線 ,  放射 ,  減衰係数 ,  推定 ,  モジュール ,  開発 ,  カスケード ,  フィードフォワードニューラルネットワーク ,  学習アルゴリズム ,  研究