Inteligencia Artificial: aplicaciones a la espectrometría y dosimetría neutrónicas
Autor
Ortiz Rodríguez, José Manuel
Director/es
Benavides Benítez, José IgnacioVega-Carrillo, Héctor René
Editor
Universidad de Córdoba, Servicio de PublicacionesFecha
2011Materia
Espectrometría de neutronesAlgoritmos evolutivos
Redes neuronales artificiales
Inteligencia artificial
METS:
Mostrar el registro METSPREMIS:
Mostrar el registro PREMISMetadatos
Mostrar el registro completo del ítemResumen
El objetivo de la presente tesis doctoral se centra en el estudio de metodolog´ıas aplicadas en el dise ˜ no de arquitecturas ´optimas de redes neuronales, as´ı como en el dise ˜ no de herramientas tecnol´ogicas que permitan utilizar el conocimiento adquirido por las redes previamente dise ˜ nadas, en el ´ambito de la reconstrucci´on de espectros de neutrones y c ´alculo de dosis equivalentes en ambientes laborales, experimentales y de laboratorio. Debido a que los neutrones no son desviados por un campo el´ectrico o magn´etico, y tambi´en porque no producen una ionizaci´on apreciable, se deben emplear m´etodos indirectos para detectarlos y medir su energ´ıa. La medici´on y particularmente la determinaci´on de espectros de neutrones, no es una tarea trivial. Para resolver este problema existen m´etodos e instrumentos que permiten determinar los espectros de neutrones, a partir de los cuales es posible calcular la dosis ambiental y la dosis personal equivalente. El sistema espectrom´etrico de esferas Bonner, compuesto por un detector de neutrones t´ermicos colocado en el centro de un conjunto de esferas de polietileno alta densidad, cuyos di ´ametros var´ıan desde 2 hasta 18 pulgadas, es uno de los m´etodos mas utilizados. El tama˜ no de la esfera hace que el sistema tenga una eficiencia de detecci´on de neutrones en funci´on de la energ´ıa. El conjunto de eficiencias conforma una matriz de respuesta, que se utiliza junto con las tasas de conteo del detector para determinar el espectro. Debido a que el n´umero de esferas es peque ˜ no y los intervalos de clase de la energ´ıa de los neutrones es grande, el problema se traduce en resolver un sistema de ecuaciones mal condicionado con un n´umero infinito de soluciones. Para reconstruir el espectro es necesario resolver este sistema de ecuaciones, emple´andose varios procedimientos como m´etodos Monte Carlo, de parametrizaci´on e iterativos, mismos que presentan diversas dificultades que han motivado el desarrollo de procesos complementarios. En las ´ ultimas d´ecadas se han intentado procedimientos novedosos para el proceso de reconstrucci´on de espectros de neutrones, basados en las tecnolog´ıas de Algoritmos Gen´eticos y Redes Neuronales Artificiales. La reconstrucci´on de espectros de neutrones y el c ´alculo de dosis equivalentes mediante Redes Neuronales a partir de las tasas de conteo le´ıdas con el Sistema de Esferas Bonner, ha recibido mayor atenci´on debido a los exitosos resultados que se han obtenido, ya que resuelven muchos de los problemas experimentados con las t´ecnicas cl ´asicas. Sin embargo, el procedimiento de dise ˜ no de las redes no es un problema trivial, ya que determinar un conjunto apropiado de valores de los par´ametros estructurales y de aprendizaje de las mismas sigue siendo una tarea dif´ıcil. Asimismo, debido a que se trata de una tecnolog´ıa emergente, se carece de herramientas tecnol´ogicas que permitan aplicarla de forma eficiente. Las dificultades mencionadas, han motivado el desarrollo de estrategias para optimizar el dise ˜ no de redes neuronales artificiales, as´ı como el dise ˜ no de herramientas tecnol´ogicas simples en su uso y con un desempe˜ no mejorado, en comparaci´on con los m´etodos tradicionales utilizados en la actualidad.