Machine Learning Approach for Gamma-ray Spectra Identification for Radioactivity Analysis

T. Kin, J. Goto, M. Oshima

研究成果: Chapter in Book/Report/Conference proceedingConference contribution

1 被引用数 (Scopus)

抄録

We have proposed a machine learning model for efficient gamma-ray spectrometry for environmental recovery from the Fukushima Daiichi Power Plant Accident. In the present study, we focus on a radioactive nuclide identification by the machine learning in a screening measurement. A simple deep neural network having two hidden layer is proposed, and the identification accuracy is achieved more than 95% for single gamma-ray spectra.

本文言語英語
ホスト出版物のタイトル2019 IEEE Nuclear Science Symposium and Medical Imaging Conference, NSS/MIC 2019
出版社Institute of Electrical and Electronics Engineers Inc.
ISBN(電子版)9781728141640
DOI
出版ステータス出版済み - 10 2019
イベント2019 IEEE Nuclear Science Symposium and Medical Imaging Conference, NSS/MIC 2019 - Manchester, 英国
継続期間: 10 26 201911 2 2019

出版物シリーズ

名前2019 IEEE Nuclear Science Symposium and Medical Imaging Conference, NSS/MIC 2019

会議

会議2019 IEEE Nuclear Science Symposium and Medical Imaging Conference, NSS/MIC 2019
国/地域英国
CityManchester
Period10/26/1911/2/19

All Science Journal Classification (ASJC) codes

  • 信号処理
  • 放射線学、核医学およびイメージング
  • 核物理学および高エネルギー物理学

フィンガープリント

「Machine Learning Approach for Gamma-ray Spectra Identification for Radioactivity Analysis」の研究トピックを掘り下げます。これらがまとまってユニークなフィンガープリントを構成します。

引用スタイル