基于穆斯堡尔参数的人工神经网络识别矿物的方法

施海蓉; 肖煜明; 黄红波; 吴东岷; Ali A M; 李民; 李世民; 夏元复

doi:null

您当前的位置：

首页 >

文章列表页 >

基于穆斯堡尔参数的人工神经网络识别矿物的方法

更新时间：2021-03-12

- 基于穆斯堡尔参数的人工神经网络识别矿物的方法
- Identification of minerals using artificial neural networks based on M■ssbauer parameters
- 核技术 2000年第7期
- 作者机构：
  
  南京大学,南京,210093
- 作者简介：
- 基金信息：
  
  (No.ZX069)
- DOI：
  中图分类号： TP183
- 纸质出版日期：2000-07-01
- 稿件说明：
移动端阅览
[1]施海蓉,肖煜明,黄红波,吴东岷,Ali A M,李民,李世民,夏元复.基于穆斯堡尔参数的人工神经网络识别矿物的方法[J].核技术,2000(07):467-474.

Identification of minerals using artificial neural networks based on M■ssbauer parameters[J]. Nuclear techniques, 2000, (7): 467-474.
[1]施海蓉,肖煜明,黄红波,吴东岷,Ali A M,李民,李世民,夏元复.基于穆斯堡尔参数的人工神经网络识别矿物的方法[J].核技术,2000(07):467-474. DOI：

Identification of minerals using artificial neural networks based on M■ssbauer parameters[J]. Nuclear techniques, 2000, (7): 467-474. DOI：

摘要

采用改进型反向传播人工神经网络，以含铁矿物穆斯堡尔参数作为样本，通过神经网络的训练，能很好地识别矿物，从而有效地提高了对矿物的识别本领。

Abstract

Minerals have been identified using Mssbauer parameters and artificial neural networks(ANN). The reported Mssbauer parameters of minerals were used to train an ANN called the improved back-propagation network. The excellent corrective ability indicates that it is probably an alternative method in Mssbauer data processing.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于神经网络的实物保护系统综合效能评估研究

HHT变换联合人工神经网络的核信号时频特征分析与识别

基于扫描核探针技术的大气气溶胶单颗粒物源识别与解析方法研究与应用

人工神经网络和最小二乘回归在XRF定量分析中的应用比较

用人工神经网络识别复杂γ能谱

相关机构

武汉第二船舶设计研究所

中国船舶重工集团有限公司

光电技术及系统教育部重点实验室重庆大学光电工程学院

中国科学院上海原子核研究所

AI问答

地址：上海市嘉罗公路2019号邮编：201800
联系电话：021-39194977 Email：LHB@sinap.ac.cn
技术支持由北京北大方正电子有限公司提供沪ICP备05005479号-1 京公网安备11010802024621
本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
总访问量：880886 今日访问量：413

⁰