Services on Demand
Journal
Article
Indicators
- Cited by SciELO
- Access statistics
Related links
- Similars in SciELO
Share
Revista mexicana de física
Print version ISSN 0035-001X
Abstract
ORTIZ-RODRIGUEZ, J.M. et al. Performance of artificial neural networks and genetical evolved artificial neural networks unfolding techniques. Rev. mex. fis. [online]. 2011, vol.57, suppl.1, pp.89-92. ISSN 0035-001X.
Con el espectrométro de esferas Bonner se puede obtener el espectro a través de un procedimiento de reconstrucción. Los métodos Montecarlo, de Regularización, de parametrización, de mínimos cuadrados, de la máxima entropía son algunas de las técnicas utilizadas para la reconstrucción. En la última década, se han utilizado los métodos basados en la tecnología de Inteligencia Artificial. Se han desarrollado métodos basados en Algoritmos Genéticos y Redes Neuronales Artificiales en un intento de resolver las desventajas de las técnicas mencionadas. Sin embargo, a pesar de la ventajas de las redes neuronales, las mismas presentan algunos inconvenientes principalmente en lo que se refiere al proceso de diseño de de las redes, por ejemplo, la selección óptima de los parámetros de arquitectura y aprendizaje. En anos recientes, también se ha utilizado tecnologías híbridas, combinando las redes neuronales y los algoritmos genéticos. En éste trabajo, se diseñaron y entrenaron varias topologéas de redes neuronales y redes neuronales evolucionadas genéticamente con el objetivo de reconstruir espectros de neutrones utilizando las tasas de conteo de un espectrómetro de esferas Bonner. Aquí se realiza un estudio comparativo de ambos procedimientos.
Keywords : Espectrometría de neutrones; redes neuronales; algoritmos evolutivos.