基于不同神经网络算法的钚部件模板测量方法研究.pdfVIP

第35卷第7期 核 技 术 、，01．35。No．7 2012年7月 NUCLEAR 2012 TECHNIOUES July 基于不同神经网络算法的钚部件模板测量方法研究 张昌繁龚建刘素萍 胡广春 向永春 (中国工程物理研究院核物理与化学研究所绵阳621900) 摘要钚部件的模板足从申报部件的Y能谱与中子计数中提取反映其类型特征的量构成的，核查时再次测量 部件的特征墁并与模板进行比较判断两者是否为同一类型。将神经网络作为一种模板测量比较的匹配算法， 分别应用F两种场景：BP神经网络能够对小问类别的钚部件进行分类，该场景通常用十核武库中核材料的管 理与衡算，LVQ神经网络核查未知测量对象，判断足否与申报钚部件一致，该场景通常用于核裁军核查。通 过实验，完善了模板的构成和匹配算法。 关键词钚元件。模板测肇，神经网络，特征数据 中图分类号TJ910．89，TL242．1 钚部件是深度核裁军的重点关注对象。钚部件 Vector 法为LVQ(Leaming 涉及核武器核心设计，其信息非常敏感，对于接受 算法。 核查的主权国家而言，直接分析钚部件是不可接受 的，钚部件核有通常采用属性测瞳与模板测晕。 1神经网络基本原理 钚部件的属性测量，是根据钚部件的六个同有 1．1 BP神经网络 特征(钚存在、钚年龄、钚丰度、钚质量、对称性 与氧化钚不存在)，以一定程度的置信度。显示核查 对象的真实性。模板测硅，是测最核奄对象，将获 似16J，在多维空间中寻找最好的投影方向，使各个 得的数据与申报钚部件的模板数据对比，以此判断 类型的样本在此方向上的投影最易分开，寻找最好 核查对象与申报钚部件是否属于同一类【lJ。从钚部 投影方向的问题就是寻找变换向茸访与偏置b。 件衰变产生的丫射线中选取若干丫射线峰，与钚自 与Fisher线性甄别比较，BP神经网络的普适性 发裂变产牛的中子计数一起作为特征数据，可反映 更好，其结构如图l。具体方法是：多个样本i作 钚部件类型【2】。如何利用这些特征数据对测虽对象 为f)c)9络的输入，i相应的类型作为网络的目标输蹬， 进行识别，则须建立一个合适的p‘配算法。以申报 网络利用输入与目标输出不断的修正权值向量访 钚部件的特征数据集建立模板数据，用匹配算法匹 与偏置b，使网络对样本i的最终输出与目标输出 配、比较测最对象的特征数据集与模板数据，从而 一致，修正权值向鼍谛与偏置b的过程，称为神经 得出测昂对象与申报钚部件是否一致的结论。本文 网络算法的“训练”。BP神经网络在训练过程中采 在钚部件模板测醚中使J玎神绛1)c】9络作为匹配算法， 取链式求导法则，反向逐级修正权值与偏置，使网 此算法其自．极强的自学、联想与容错能力，广泛应 络输}{{逼近日标向最，从而神经网络能对样本j作 用余模式识别方面的应用十分强大，在核查技术方 正确分类。BPI】c)9络的建立原则是：在神经嗍络中， 面已有所心用p～1。 要用足以表示训练集的最简单的1)c)9络，只要育一个 钚部件的模板识别有两种应用场景：(1)已知 NetworkToolbox中有许多用于BP 钚部件的小I司类型，将一批钚部件进行快速分类， 的Neural 1)c)9络分 该场景通