| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-11页 |
| ·研究意义 | 第8-9页 |
| ·研究现状 | 第9-11页 |
| 2 γ能谱的采集与分析 | 第11-25页 |
| ·γ射线与物质的作用 | 第11-15页 |
| ·光电效应 | 第12-13页 |
| ·康普顿效应 | 第13-14页 |
| ·电子对效应 | 第14-15页 |
| ·γ能谱的采集 | 第15-20页 |
| ·NaI(Tl)闪烁谱仪 | 第16-17页 |
| ·Ge(Li)半导体谱仪 | 第17页 |
| ·γ射线能谱 | 第17-20页 |
| ·γ能谱分析方法 | 第20-25页 |
| ·γ能谱仪的能量刻度 | 第20-21页 |
| ·γ能谱仪的效率刻度 | 第21-22页 |
| ·特征峰面积的确定 | 第22页 |
| ·复杂γ能谱分析 | 第22-25页 |
| 3 人工神经网络（ANN） | 第25-37页 |
| ·人工神经网络的基本原理 | 第25-29页 |
| ·生物神经元模型 | 第25-26页 |
| ·人工神经网络的基础——人工神经元 | 第26-29页 |
| ·人工神经网络模型 | 第29-32页 |
| ·人工神经网络的分类 | 第29-31页 |
| ·人工神经网络的学习 | 第31-32页 |
| ·人工神经网络的计算能力 | 第32页 |
| ·径向基函数（RBF）神经网络 | 第32-37页 |
| ·RBF 神经网络的网络结构 | 第33-34页 |
| ·RBF 神经网络的学习 | 第34-35页 |
| ·应用RBF 网络进行数据分析 | 第35-37页 |
| 4 基于Matlab 的RBF 网络γ能谱分析与性能测试 | 第37-42页 |
| ·RBF 网络γ能谱分析 | 第37页 |
| ·模拟谱分析 | 第37-40页 |
| ·实测γ能谱数据分析 | 第40-42页 |
| 5 基于Visual Basic 的RBF 网络程序设计 | 第42-45页 |
| 结论 | 第45-46页 |
| 参考文献 | 第46-47页 |
| 致谢 | 第47页 |