Please use this identifier to cite or link to this item:
http://ricaxcan.uaz.edu.mx/jspui/handle/20.500.11845/1388
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor | 241916 | es_ES |
dc.contributor.advisor | José Manuel Ortiz Rodríguez | es_ES |
dc.contributor.advisor | Héctor René Vega Carrillo | es_ES |
dc.contributor.advisor | Luis Octavio Solís Sánchez | es_ES |
dc.contributor.advisor | Roberto Méndez Villafañe | es_ES |
dc.coverage.spatial | Global | es_ES |
dc.creator | Martínez Blanco, María del Rosario | - |
dc.date.accessioned | 2020-03-06T20:40:17Z | - |
dc.date.available | 2020-03-06T20:40:17Z | - |
dc.date.issued | 2017-02 | - |
dc.identifier | info:eu-repo/semantics/publishedVersion | es_ES |
dc.identifier.uri | http://ricaxcan.uaz.edu.mx/jspui/handle/20.500.11845/1388 | - |
dc.description | The aim of this research was to analyze, design and implement a generalized regression neural network to predict the neutron spectrum and to calculate 15 dosimetric quantities using the count rates, comming from a Bonner spheres spectrometric (BSS) system as the only entrance information. A dataset of 251 neutron spectra, compiled from the International Atomic Energy Agency, was used at training and test stages. 80 percent of the whole data set was used for training the neural networks and remaining 20 percent at test stage. The scientific-technological tool designed from the generalized regression neural networks technology capable of solving the problem of neutron spectrometry with high performance and generalization capacity was designed under the MATLAB environment. This computational tool automates the pre-processing of information, the stages of training and testing, statistical analysis and post-processing of information. We compared the performance of feed forward propagation neural networks trained by the back propagation algorithm and generalized regression neural networks in the solution of the neutron spectrometry problem, noting that GRNNs perform better than back propagación neural networks. | es_ES |
dc.description.abstract | El objetivo de este proyecto de investigación fue analizar, diseñar e implementar una herramienta basada en redes neurales de regresión generalizada (GRNN) para predecir el espectro de neutrones y/o cálculo de 15 cantidades dosimétricas usando las tasas de conteo procedentes de un sistema espectrométrico de esferas Bonner como la única información. En las etapas de entrenamiento y prueba, se utilizó un conjunto de datos de 251 espectros de neutrones, tomados de la compilación de la Agencia Internacional de Energía Atómica. Tomando el 80 por ciento de datos para entrenamiento y cincuenta espectros analizados en la etapa de prueba. La herramienta científico-tecnológica diseñada a partir de la tecnología redes neuronales de regresión generalizada capaz de resolver el problema de espectrometría de neutrones con alto rendimiento y capacidad de generalización, fue diseñada bajo el entorno MATLAB. Esta herramienta computacional automatiza el pre-procesamiento de información, las etapas de entrenamiento y prueba, el análisis estadístico y el post-procesamiento de la información. Se comparó el rendimiento de las redes neuronales de propagación hacia delante entrenadas por medio del algoritmo de propagación inversa (RNAPAPI) y GRNN en la solución del problema de espectrometría de neutrones, observando que las GRNN tienen un desempeño mejor que el RNAPAPI. | es_ES |
dc.language.iso | spa | es_ES |
dc.publisher | Universidad Autónoma de Zacatecas | es_ES |
dc.relation.isbasedon | Doctor en Ingeniería y Tecnología Aplicada | es_ES |
dc.relation.uri | generalPublic | es_ES |
dc.rights | Atribución-NoComercial-CompartirIgual 3.0 Estados Unidos de América | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/3.0/us/ | * |
dc.subject.classification | INGENIERIA Y TECNOLOGIA [7] | es_ES |
dc.subject.other | Inteligencia artificial | es_ES |
dc.subject.other | solución de problemas inversos | es_ES |
dc.subject.other | regresión generalizada | es_ES |
dc.subject.other | espectrometría de neutrones | es_ES |
dc.subject.other | Artificial intelligence | es_ES |
dc.subject.other | inverse problem solving | es_ES |
dc.subject.other | generalized regression | es_ES |
dc.subject.other | neutron spectrometry | es_ES |
dc.title | Análisis, diseño e implementación de tecnología basada en redes neuronales de regresión generalizada para la solución de problemas inversos, aplicada en espectrometría y dosimetría neutrónica | es_ES |
dc.type | info:eu-repo/semantics/doctoralThesis | es_ES |
Appears in Collections: | *Tesis*-- Doc. en Ing. y Tec. Aplicada |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Tesis MRMB.pdf | 78,96 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License