利用人工神经网络恢复饱和的 $\gamma$ 信号波形
数据分析、统计与概率
2018-10-22 v1 高能物理 - 实验
核实验
摘要
粒子的能量有时可能超出辐射探测硬件的量程，从而导致信号饱和并丢失有用信息。因此我们研究了使用人工神经网络（ANN）来恢复饱和的 信号波形的可能性。测试了几种 ANN，即反向传播（BP）、简单循环（Elman）、径向基函数（RBF）和广义径向基函数（GRBF）神经网络（NN），并与基于 Marrone 模型的拟合方法进行比较。发现 GBRFNN 表现最佳。
关键词
引用
@article{arxiv.1810.08200,
title = {Recovery of Saturated $\gamma$ Signal Waveforms by Artificial Neural Networks},
author = {Yu Liu and Jing-Jun Zhu and Neil Roberts and Ke-Ming Chen and Yu-Lu Yan and Shuang-Rong Mo and Peng Gu and Hao-Yang Xing},
journal= {arXiv preprint arXiv:1810.08200},
year = {2018}
}
备注
8 pages, 8 figures, Preprint submitted to Nuclear Instruments and Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors and Associated Equipment