基于不同神经网络算法的钚部件模板测量方法研究
钚部件的模板是从申报部件的γ能谱与中子计数中提取反映其类型特征的量构成的,核查时再次测量部件的特征量并与模板进行比较判断两者是否为同一类型.将神经网络作为一种模板测量比较的匹配算法,分别应用于两种场景:BP神经网络能够对不同类别的钚部件进行分类,该场景通常用于核武库中核材料的管理与衡算,LVQ神经网络核查未知测量对象,判断是否与申报钚部件一致,该场景通常用于核裁军核查.通过实验,完善了模板的构成和匹配算法.
钚元件、模板测量、神经网络、特征数据
35
TJ910.89;TL242.1(核武器与其他特种武器及其防护设备)
2015-06-17(万方平台首次上网日期,不代表论文的发表时间)
共6页
525-530