| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-12页 |
| 1.1 研究意义 | 第9页 |
| 1.2 研究现状 | 第9-12页 |
| 2 γ能谱指纹及其采集原理 | 第12-18页 |
| 2.1 γ能谱指纹 | 第12页 |
| 2.2 采集原理 | 第12-15页 |
| 2.2.1 光电效应 | 第12-13页 |
| 2.2.2 康普顿效应 | 第13-14页 |
| 2.2.3 电子对效应 | 第14-15页 |
| 2.3 γ能谱仪的组成及工作原理 | 第15-16页 |
| 2.4 γ能谱的形成机制 | 第16-18页 |
| 3 蒙特卡罗模拟与人工神经网络 | 第18-33页 |
| 3.1 蒙特卡罗模拟技术 | 第18-20页 |
| 3.1.1 蒙特卡罗模拟技术简介 | 第18页 |
| 3.1.2 蒙特卡罗模拟基本思想 | 第18-20页 |
| 3.2 人工神经网络 | 第20-33页 |
| 3.2.1 生物神经元 | 第20页 |
| 3.2.2 人工神经元 | 第20-23页 |
| 3.2.3 人工神经网络 | 第23-24页 |
| 3.2.4 人工神经网络的训练 | 第24-25页 |
| 3.2.5 径向基函数网络 | 第25-26页 |
| 3.2.6 基于RBF人工神经网络的年龄及丰度识别原理 | 第26-33页 |
| 4 铀核材料年龄与核素丰度识别 | 第33-46页 |
| 4.1 铀核材料年龄识别 | 第33-42页 |
| 4.1.1 单组铀核材料年龄识别 | 第33-37页 |
| 4.1.2 多组铀核材料年龄共同训练与识别 | 第37-38页 |
| 4.1.3 网络对铀核材料年龄和丰度识别测试 | 第38-42页 |
| 4.2 铀核材料核素丰度识别 | 第42-46页 |
| 5 结论与展望 | 第46-47页 |
| 5.1 结论 | 第46页 |
| 5.2 展望 | 第46-47页 |
| 参考文献 | 第47-49页 |
| 攻读硕士期间发表学术论文情况 | 第49-50页 |
| 致谢 | 第50页 |