dc.creatorVega Carrillo, Héctor René
dc.creatorHernández Dávila, Víctor Martín
dc.creatorManzanares Acuña, Eduardo
dc.creatorMercado Sánchez, Gema Alejandrina
dc.creatorArteaga Arteaga, Tarcicio
dc.creatorOrtíz Rodríguez, José Manuel
dc.date.accessioned2019-03-15T16:31:38Z
dc.date.accessioned2022-10-14T15:12:18Z
dc.date.available2019-03-15T16:31:38Z
dc.date.available2022-10-14T15:12:18Z
dc.date.created2019-03-15T16:31:38Z
dc.date.issued2005-03
dc.identifierhttp://localhost/xmlui/handle/20.500.11845/787
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/4246444
dc.description.abstractSe diseñó una red neuronal artificial para reconstruir los espectros de neutrones a partir de las tasas de conteo de un espectrómetro de Esferas de Bonner. La red neuronal se entrenó mediante un conjunto de espectros publicados por el Organismo Internacional de Energía Atómica. Los espectros incluyen fuentes isotópicas, espectros de referencia, operacionales, de aceleradores, reactores nucleares y de funciones matemáticas. Los espectros se transformaron de espectros por unidad de letargia a por unidad de energía y se estructuraron a 31 grupos de energía mediante el código MCNP 4C. Los espectros y la matriz de respuesta UTA4 se utilizaron para calcular las tasas de conteo que cada espectro produce en un espectrómetro de Esferas de Bonner. Las tasas de conteo y los espectros se utilizaron para entrenar la red neuronal artificial. Después del entrenamiento la red se probó con doce espectros, tres se obtuvieron de los usados en el entrenamiento, tres se obtuvieron de funciones matemáticas y otros tres de espectros reales y no usados durante el entrenamiento.
dc.languagespa
dc.publisherUniversidad Autónoma de Zacatecas
dc.relationgeneralPublic
dc.rightshttp://creativecommons.org/licenses/by-nc-sa/3.0/us/
dc.rightsAtribución-NoComercial-CompartirIgual 3.0 Estados Unidos de América
dc.sourceEncuentro de Investigación en Ingeniería Eléctrica Zacatecas, Zac, Marzo 17 —18, 2005
dc.titleNeutron Spectra Unfolding with Artificial Neural Networks
dc.typeActas de congresos


Este ítem pertenece a la siguiente institución