Revue: | Revista mexicana de física |
Base de datos: | PERIÓDICA |
Número de sistema: | 000336798 |
ISSN: | 0035-001X |
Autores: | Vega, J.J1 Reynoso, R1 Carrillo Calvet, H2 |
Instituciones: | 1Universidad Nacional Autónoma de México, Facultad de Ciencias, México, Distrito Federal. México 2Instituto Nacional de Investigaciones Nucleares, Gerencia de Ciencias Ambientales, México, Distrito Federal. México |
Año: | 2008 |
Periodo: | Feb |
Volumen: | 54 |
Paginación: | 22-29 |
País: | México |
Idioma: | Inglés |
Tipo de documento: | Conferencia o discurso |
Enfoque: | Experimental, aplicado |
Resumen en español | Los avances tecnológicos del hardware lo mismo que los nuevos paradigmas computacionales brindan la oportunidad de aplicar técnicas digitales al Análisis de Forma de Pulsos (PSA), lo cual requiere de recursos poderosos. En este trabajo, se presenta una aplicación de PSA basada en Redes Neuronales Artificiales (ANNs). Estos sistemas adaptivos ofrecen varias ventajas para estas tareas; sin embrago es necesario enfrentar los problemas particulares asociados a ellos como: la selección de la ley de aprendizaje y de la arquitectura de la ANN, los tamaños de los conjuntos de datos de entrenamiento y de validación, el sobreentrenamiento, el efecto del ruido sobre la habilidad para identificar patrones, etc. Se presentarán evidencias del efecto sobre el rendimiento de una ANN de retro–propagación como reconocedor de patrones del: tamaño del ruido que la señal de un espectrómetro de curva de Braga presenta así como del sobreentrenamiento. De hecho, estos dos efectos están relacionados |
Resumen en inglés | Technological advances in hardware as well as new computational paradigms give us the opportunity to apply digital techniques to Pulse Shape Analysis (PSA), requiring powerful resources. In this paper, we present a PSA application based on Artificial Neural Networks (ANNs). These adaptive systems offer several advantages for these tasks; nevertheless it is necessary to face the particular problems linked to them as: the selection of the learning rule and the ANN architecture, the sizes of the training and validation data sets, overtraining, the effect of noise on the pattern identification ability, etc. We will present evidences of the effect on the performance of a back–propagation ANN as a pattern identifier of both: the size of the noise that the Bragg curve spectrometer signal present and of overtraining. In fact, these two effects are related |
Disciplinas: | Ciencias de la computación |
Palabras clave: | Redes neuronales artificiales, Análisis digital de forma de pulsos, Aprendizaje, Reconocimiento de patrones |
Keyword: | Computer science, Artificial neural networks, Digital pulse-shape analysis, Learning, Pattern recognition |
Texte intégral: | Texto completo (Ver HTML) |