Machine Learning Classification for Irradiated Material Gamma Ray Spectra
Diese Studie zeigt, dass ein robustes Framework des maschinellen Lernens, das eine fünfstufige detektoragnostische Vorverarbeitungspipeline und Dimensionsreduktion umfasst, eine perfekte Klassifizierungsgenauigkeit sowohl für Einzelisotopen- als auch für komplexe bestrahlte Material-Gamma-Spektren über NaI(Tl)-, CZT- und HPGe-Detektoren erreicht, wobei nur geringfügige Leistungseinbußen in spezifischen hochauflösenden Szenarien beobachtet wurden.