| Journal: | Revista mexicana de física |
| Database: | PERIÓDICA |
| System number: | 000339026 |
| ISSN: | 0035-001X |
| Authors: | Ortíz Rodríguez, J.M1 Martínez Blanco, M.R2 Vega Carrillo, H.R2 Gallego Díaz, E3 Lorente Fillol, A3 Méndez Villafañe, R4 Los Arcos Merino, J.M4 Guerrero Araque, J.E4 |
| Institutions: | 1Universidad Autónoma de Zacatecas, Unidad Académica de Ingeniería Eléctrica, Zacatecas. México 2Universidad Autónoma de Zacatecas, Unidad Académica de Estudios Nucleares, Zacatecas. México 3Universidad Politécnica de Madrid, Departamento de Ingeniería Nuclear, Madrid. España 4CIEMAT, Laboratorio de Metrología de Radiaciones Ionizantes, Madrid. España |
| Year: | 2011 |
| Season: | Feb |
| Volumen: | 57 |
| Number: | 1 |
| Pages: | 89-92 |
| Country: | México |
| Language: | Inglés |
| Document type: | Artículo |
| Approach: | Experimental, aplicado |
| Spanish abstract | Con el espectrométro de esferas Bonner se puede obtener el espectro a través de un procedimiento de reconstrucción. Los métodos Montecarlo, de Regularización, de parametrización, de mínimos cuadrados, de la máxima entropía son algunas de las técnicas utilizadas para la reconstrucción. En la última década, se han utilizado los métodos basados en la tecnología de Inteligencia Artificial. Se han desarrollado métodos basados en Algoritmos Genéticos y Redes Neuronales Artificiales en un intento de resolver las desventajas de las técnicas mencionadas. Sin embargo, a pesar de la ventajas de las redes neuronales, las mismas presentan algunos inconvenientes principalmente en lo que se refiere al proceso de diseño de de las redes, por ejemplo, la selección óptima de los parámetros de arquitectura y aprendizaje. En anos recientes, también se ha utilizado tecnologías híbridas, combinando las redes neuronales y los algoritmos genéticos. En éste trabajo, se diseñaron y entrenaron varias topologéas de redes neuronales y redes neuronales evolucionadas genéticamente con el objetivo de reconstruir espectros de neutrones utilizando las tasas de conteo de un espectrómetro de esferas Bonner. Aquí se realiza un estudio comparativo de ambos procedimientos |
| English abstract | With the Bonner spheres spectrometer neutron spectrum is obtained through an unfolding procedure. Monte Carlo methods, Regularization, Parametrization, Least–squares, and Maximum Entropy are some of the techniques utilized for unfolding. In the last decade methods based on Artificial Intelligence Technology have been used. Approaches based on Genetic Algorithms and Artificial Neural Networks have been developed in order to overcome the drawbacks of previous techniques. Nevertheless the advantages of Artificial Neural Networks still it has some drawbacks mainly in the design process of the network, vg the optimum selection of the architectural and learning ANN parameters. In recent years the use of hybrid technologies, combining Artificial Neural Networks and Genetic Algorithms, has been utilized to. In this work, several ANN topologies were trained and tested using Artificial Neural Networks and Genetically Evolved Artificial Neural Networks in the aim to unfold neutron spectra using the count rates of a Bonner sphere spectrometer. Here, a comparative study of both procedures has been carried out |
| Disciplines: | Física y astronomía |
| Keyword: | Física nuclear, Espectrometría de neutrones, Algoritmos evolutivos, Redes neuronales |
| Keyword: | Physics and astronomy, Nuclear physics, Neutron spectrometry, Evolutionary algorithms, Neural networks |
| Full text: | Texto completo (Ver HTML) |
