論文の概要: Machine Learning technique for isotopic determination of radioisotopes using HPGe $\mathrm{\gamma}$-ray spectra

• arxiv url: http://arxiv.org/abs/2301.01415v1
• Date: Wed, 4 Jan 2023 03:05:03 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-05 16:06:32.768319
• Title: Machine Learning technique for isotopic determination of radioisotopes using HPGe $\mathrm{\gamma}$-ray spectra
• Title（参考訳）: HPGe $\mathrm{\gamma}$-ray Spectra を用いた放射性同位体同位体定量のための機械学習技術
• Authors: Ajeeta Khatiwada, Marc Klasky, Marcie Lombardi, Jason Matheny, Arvind Mohan
• Abstract要約: $mathrmgamma$-ray spectroscopyは、放射性核種の同定と定量同位体推定に利用される、定量的で非破壊的な手法である。 従来の同位体決定法は、推定された同位体の統計的および体系的な不確実性に寄与する様々な課題がある。 本研究では、緊急時応答領域における$mathrmgamma$-rayの分光データを解析するための従来の手法の代替として、機械学習に基づく回帰アルゴリズムの適用について検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: $\mathrm{\gamma}$-ray spectroscopy is a quantitative, non-destructive technique that may be utilized for the identification and quantitative isotopic estimation of radionuclides. Traditional methods of isotopic determination have various challenges that contribute to statistical and systematic uncertainties in the estimated isotopics. Furthermore, these methods typically require numerous pre-processing steps, and have only been rigorously tested in laboratory settings with limited shielding. In this work, we examine the application of a number of machine learning based regression algorithms as alternatives to conventional approaches for analyzing $\mathrm{\gamma}$-ray spectroscopy data in the Emergency Response arena. This approach not only eliminates many steps in the analysis procedure, and therefore offers potential to reduce this source of systematic uncertainty, but is also shown to offer comparable performance to conventional approaches in the Emergency Response Application.
• Abstract（参考訳）: $\mathrm{\gamma}$-ray spectroscopy は放射性核種の同定と定量同位体推定に利用される量的、非破壊的手法である。 従来の同位体決定法は、推定された同位体の統計的および体系的な不確実性に寄与する様々な課題がある。 さらに、これらの方法は一般的に多くの前処理ステップを必要とし、限定的な遮蔽を伴う実験室でのみ厳格にテストされている。 本研究では,機械学習に基づく回帰アルゴリズムを,緊急応答場における$\mathrm{\gamma}$-rayスペクトロスコピーデータを解析するための従来の手法の代替として適用することを検討する。 このアプローチは分析手順の多くのステップを排除するだけでなく、系統的不確実性の原因を減らす可能性も与えるだけでなく、緊急対応アプリケーションにおける従来のアプローチに匹敵するパフォーマンスを提供する。

関連論文リスト

• Unsupervised Anomaly Detection Using Diffusion Trend Analysis [48.19821513256158]
  本稿では, 劣化度に応じて, 復元傾向の分析により異常を検出する手法を提案する。 提案手法は,産業用異常検出のためのオープンデータセット上で検証される。
  論文  参考訳（メタデータ） (2024-07-12T01:50:07Z)
• Learning the Infinitesimal Generator of Stochastic Diffusion Processes [23.737384504740373]
  拡散推定過程の無限小生成系のデータ駆動学習に対処する。 提案手法は,全知識設定と部分的知識設定の両方において,エネルギーベースのリスクメトリックを通じて,物理的先行性を統合する。
  論文  参考訳（メタデータ） (2024-05-21T17:13:13Z)
• Selective Nonparametric Regression via Testing [54.20569354303575]
  本研究では,所定の点における条件分散の値に関する仮説を検証し,留置手順を開発する。 既存の手法とは異なり、提案手法は分散自体の値だけでなく、対応する分散予測器の不確実性についても考慮することができる。
  論文  参考訳（メタデータ） (2023-09-28T13:04:11Z)
• Exploring Supervised Machine Learning for Multi-Phase Identification and Quantification from Powder X-Ray Diffraction Spectra [1.0660480034605242]
  粉体X線回折分析は材料特性評価法の重要な構成要素である。 深層学習は、X線スペクトルから結晶学パラメータと特徴を予測するための主要な焦点となっている。 ここでは,多ラベル結晶相同定のための深層学習の代わりに,従来の教師付き学習アルゴリズムに関心がある。
  論文  参考訳（メタデータ） (2022-11-16T00:36:13Z)
• Spectroscopic data de-noising via training-set-free deep learning method [0.0]
  トレーニングセットを必要とせずに固有スペクトル情報を抽出するデノイズ化手法を開発した。 本手法ではスペクトル自体の自己相関情報を活用することができる。 固有エネルギーバンドの特徴を保存し、さらなる分析と処理を容易にする。
  論文  参考訳（メタデータ） (2022-10-19T12:04:35Z)
• Agnostic Physics-Driven Deep Learning [82.89993762912795]
  この研究は、物理系が勾配計算を使わずに統計的勾配学習を行えることを証明している。 Aeqpropでは、システムの詳細を知る必要はなく、プロシージャは外部操作に基づいている。 Aeqpropはまた、自然(生物)物理系において、真の勾配に基づく統計学習は、一般的な比較的単純なメカニズムによってもたらされることを証明している。
  論文  参考訳（メタデータ） (2022-05-30T12:02:53Z)
• Gaussian Process Regression for Absorption Spectra Analysis of Molecular Dimers [68.8204255655161]
  本稿では、ガウス過程回帰(GPR)から数値計算のパラメータを選択する機械学習技術に基づくアプローチについて議論する。 このアプローチは最適パラメータ集合に素早く収束するだけでなく、完全なパラメータ空間に関する情報を提供する。 実際、GPRは量子化学法を用いてこれらのパラメータの直接計算と一致した信頼性の高い結果を与える。
  論文  参考訳（メタデータ） (2021-12-14T17:46:45Z)
• Neural density estimation and uncertainty quantification for laser induced breakdown spectroscopy spectra [4.698576003197588]
  構造付きスペクトル潜在空間上の正規化フローを用いて確率密度を推定する。 観測されていない状態ベクトルを予測する際に不確実性定量化法を評価する。 火星探査機キュリオシティが収集したレーザー誘起分解分光データに本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2021-08-17T01:10:29Z)
• Bayesian Uncertainty Estimation of Learned Variational MRI Reconstruction [63.202627467245584]
  我々は,モデル不連続な不確かさを定量化するベイズ変分フレームワークを提案する。 提案手法はMRIのアンダーサンプを用いた再建術の術後成績を示す。
  論文  参考訳（メタデータ） (2021-02-12T18:08:14Z)
• Nonlinear Independent Component Analysis for Continuous-Time Signals [85.59763606620938]
  このプロセスの混合物の観察から多次元音源過程を復元する古典的問題を考察する。 このリカバリは、この混合物が十分に微分可能で可逆な関数によって与えられる場合、多くの一般的なプロセスのモデル(座標の順序と単調スケーリングまで)に対して可能であることを示す。
  論文  参考訳（メタデータ） (2021-02-04T20:28:44Z)
• Spectral Methods for Data Science: A Statistical Perspective [37.2486912080998]
  スペクトル法は、巨大でノイズの多い不完全なデータから情報を抽出するための単純で驚くほど効果的な手法として登場した。 この本は、現代の統計学的観点から、体系的で包括的でアクセスしやすいスペクトル法の導入を意図している。
  論文  参考訳（メタデータ） (2020-12-15T18:40:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。