基于Elman神经网络的液体闪烁体中中子与{\gamma}射线甄别
仪器与探测器
2016-08-24 v3 高能物理 - 实验
摘要
本工作中，提出一种基于Elman神经网络(ENN)的中子与{\gamma}(n/{\gamma})甄别新方法，以改善液体闪烁体(LS)探测器的甄别性能。中子与{\gamma}数据来自暴露于241Am-9Be辐射场的EJ-335 LS探测器。使用两种人工神经网络方法甄别中子与{\gamma}事件，包括ENN和作为对照的典型反向传播神经网络(BPNN)。结果表明两种方法有不同n/{\gamma}甄别性能。与BPNN相比，ENN在n/{\gamma}甄别中提供了改善的品质因数(FOM)。采用ENN新方法，FOM从0.907 {\pm} 0.034提升至0.953 {\pm} 0.037。所提基于ENN的n/{\gamma}甄别方法为中子探测中的脉冲形状甄别提供了新选择。
引用
@article{arxiv.1509.06259,
title = {Discrimination of neutrons and {\gamma}-rays in liquid scintillator based on Elman neural network},
author = {Cai-Xun Zhang and Shin-Ted Lin and Jian-Ling Zhao and Li Wang and Xun-Zhen Yu and Jing-Jun Zhu and Hao-Yang Xing},
journal= {arXiv preprint arXiv:1509.06259},
year = {2016}
}
备注
16 pages, 8 figures and 2 tables, version to appear in Chinese Physics C