| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-11页 |
| 2 γ 能谱指纹采集原理 | 第11-17页 |
| 2.1 γ 射线与物质间的相互作用 | 第11-14页 |
| 2.1.1 光电效应 | 第11-12页 |
| 2.1.2 康普顿效应 | 第12-13页 |
| 2.1.3 电子对效应 | 第13-14页 |
| 2.2 γ 能谱仪的组成及工作原理 | 第14-15页 |
| 2.3 γ 能谱的构成 | 第15-17页 |
| 3 人工神经网络与蒙特卡罗模拟原理 | 第17-28页 |
| 3.1 人工神经网络基本原理 | 第17-20页 |
| 3.1.1 生物神经元 | 第17-18页 |
| 3.1.2 人工神经元 | 第18-20页 |
| 3.2 人工神经网络模型 | 第20-23页 |
| 3.2.1 人工神经网络的互连结构 | 第21-22页 |
| 3.2.2 人工神经网络的学习 | 第22-23页 |
| 3.2.3 人工神经网络的特点 | 第23页 |
| 3.3 RBF神经网络 | 第23-26页 |
| 3.3.1 RBF神经网络的结构 | 第24-25页 |
| 3.3.2 RBF神经网络的学习 | 第25-26页 |
| 3.3.3 基于RBF神经网络的核材料年龄识别 | 第26页 |
| 3.4 蒙特卡罗模拟原理 | 第26-28页 |
| 4 钚核材料的年龄识别 | 第28-42页 |
| 4.1 钚核材料的 γ 射线及能谱指纹采集 | 第28-31页 |
| 4.2 基于RBF神经网络的钚核材料年龄识别 | 第31-42页 |
| 4.2.1 单组钚核材料的年龄识别 | 第32-34页 |
| 4.2.2 多组钚核材料年龄共同训练与识别 | 第34-36页 |
| 4.2.3 核素成份~(239)pu和~(241)pu的含量变化的钚核材料年龄识别 | 第36-42页 |
| 5 结论与展望 | 第42-43页 |
| 5.1 研究的结论 | 第42页 |
| 5.2 展望 | 第42-43页 |
| 参考文献 | 第43-45页 |
| 攻读硕士学位期间发表学术论文情况 | 第45-46页 |
| 致谢 | 第46页 |