Algoritmo y arquitectura de red neuronal para el procesamiento de señal aplicado a la determinación y cuantificación de los elementos presentes en composiciones espectrales

Resumen

EL PRESENTE TRABAJO ESTA RELACIONADO CON EL DESARROLLO DE UN METODO ROBUSTO PARA LA DETERMINACION Y CUANTIFICACION DE LOS ELEMENTOS PRESENTES EN UN ESPECTRO COMPOSICION OBTENIDO DE UNA MEZCLA DE RADIO NUCLIDOS, SUPONIENDO QUE LAS MUESTRAS DE LOS ESPECTROS INDIVIDUALES PRESENTES EN LA MEZCLA SON CONOCIDOS DE ANTEMANO, LOS ALGORITMOS DIGITALES CONVENCIONALES PARA SOLUCIONAR ESTE PROBLEMA SON BASTANTE LENTOS DEBIDO A QUE UTILIZAN COMPUTACION EN SERIE. CONSIDERAMOS EL SIGUIENTE PROBLEMA (PROBLEMA DE LA MEZCLA): DADO LOS ESPECTROS DE UN NUMERO (K) DE RADIO-NUCLIDOS (REFERENCIAS BASICAS), SE TRATA DE DETERMINAR LA COMPOSICION DESCONOCIDA DE UNA MEZCLA DE LAS REFERENCIAS A PARTIR DEL ESPECTRO DE LA MISMA. EL OBJETIVO PRINCIPAL DE ESTE TRABAJO ES EXPLOTAR LA POSIBILIDAD DE UTILIZAR REDES NEURONALES PARA OBTENER UNA SOLUCION ROBUSTA Y EFICIENTE AL PROBLEMA DE LA MEZCLA EN ESPECTROS DE RADIACION. LA RED NEURONAL PROPUESTA ES UNA RED RECURRENTE LINEAL BASADA EN EL MODELO DE HOPFIELD, QUE PERMITE ASEGURAR LA CONVERGENCIA DEL PROBLEMA MEDIANTE LA UTILIZACION DEL ALGORITMO ADAPTATIVO DE MINIMIZACION DE ERROR (METODO DEL GRANDIENTE). SE HA ELEGIDO EL MODELO DE HOPFIELD, PORQUE, EL PROBLEMA PLANTEADO ES ESENCIALMENTE LINEAL. OTRO PROBLEMA CONSIDERADO, DE GRAN INTERES PERO DE NATURALEZA COMPLEJA, ES EL TRATAMIENTO DE LAS DEFORMACIONES QUE APARECEN EN EL ESPECTRO CUANDO SE TIENEN EN CUENTA LAS DERIVAS INSTRUMENTALES. SE ANALIZA UN MODELO QUE INCLUYE EL TRATAMIENTO DE LAS DERIVAS COMO UNA EXTENSION DE LAS CONTRIBUCIONES INDIVIDUALES AL ESPECTRO MEZCLA, LO CUAL IMPLICA UNA SIMPLE EXTENSION DEL CONJUNTO DE REFERENCIAS BASICAS Y UNA APLICACION RECURSIVA DEL ALGORITMO DE MINIMIZACION. SE EXPLORA EL COMPORTAMIENTO Y LA PRECISION DE LOS RESULTADOS OBTENIDOS, ASI COMO LA CAPACIDAD DE DISCRIMINACION EN MEZCLAS MUY HETEROGENEAS, Y EN LA PRESENCIA DE RUIDO.