【技术实现步骤摘要】
本专利技术涉及计算机，特别涉及一种基于u-net神经网络的探测器伽马能谱反演方法。
技术介绍
1、伽玛射线谱的测量是实验等离子体物理诊断的重要手段。在磁约束聚变装置中，等离子体辐射的伽马射线可以被放置在装置附近的辐射探测器捕获。伽马射线探测器通常使用闪烁晶体来探测伽马能谱。闪烁晶体对入射伽马辐射有响应关系，有必要利用这种关系来重建入射伽马谱。这需要对得到的响应谱进行预处理和能谱反演。
2、能谱反演过程的难点在于其高度病态性。为了正确地求解谱反演过程，必须纳入额外的信息。传统的求逆方法一般采用迭代法。如线性正则化、最大似然估计和最大熵法，这些方法利用物理系统的特性提供先验信息，从而设计迭代目标。
3、近年来，深度学习发展迅速。它在计算机视觉、自然语言处理、语音识别、医疗诊断等领域取得了显著的成就，并且其性能随着时间的增长越来越好。在等离子体领域，神经网络也发挥着重要的作用，如自动实验数据清洗，等离子体动力学系统的结构保持模拟。深度学习的快速发展主要得益于神经网络结构、优化方法、优化器的不断创新，以及计算机处理能力的
本文档来自技高网...【技术保护点】
1.一种基于U-Net网络的探测器伽马能谱反演方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于U-Net网络的探测器伽马能谱反演方法，其特征在于，所述步骤S1包括：
3.根据权利要求2所述的一种基于U-Net网络的探测器伽马能谱反演方法，其特征在于，所述探测器对于输入伽马射线的响应关系，是反映探测器对入射伽马射线能谱X的响应能谱Y的度量；该关系是一个二元函数，它表征了探测器对特定入射能量的伽马射线的响应，即Y＝AX，其中，A＝A(EY,EX)，A为探测器响应函数的矩阵表示，自变量分别为入射伽马射线能量EX和响应能谱能量EY。<...
【技术特征摘要】
1.一种基于u-net网络的探测器伽马能谱反演方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于u-net网络的探测器伽马能谱反演方法，其特征在于，所述步骤s1包括：
3.根据权利要求2所述的一种基于u-net网络的探测器伽马能谱反演方法，其特征在于，所述探测器对于输入伽马射线的响应关系，是反映探测器对入射伽马射线能谱x的响应能谱y的度量；该关系是一个二元函数，它表征了探测器对特定入射能量的伽马射线的响应，即y＝ax，其...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。