|Generate QR code
Open Access
Subscription Access
Применение нейросетевого подхода к измерениям потоков космического излучения
Abstract
A neural network approach is considered for the processing of the output information from a spectrometer working on diamond detectors, mounted on board a spacecraft. A mathematical tool is suggested, allowing to receive differentiable information about the flow of electrons, protons and heavy charged particles in the range of power 21.
About the Authors
А. Истратов
Московский институт электроники и математики НИУ ВШЭ
Russian Federation
Russian Federation
К. Захарченко
Производственно-технологический центр «УралАлмазИнвест»
Russian Federation
Russian Federation
А. Каперко
Московский институт электроники и математики НИУ ВШЭ
Russian Federation
Russian Federation
В. Колюбин
Производственно-технологический центр «УралАлмазИнвест»
Russian Federation
Russian Federation
В. Кулагин
Московский институт электроники и математики НИУ ВШЭ
Russian Federation
Russian Federation
Р. Курочкин
Московский институт электроники и математики НИУ ВШЭ
Russian Federation
Russian Federation
References
1. Кадилин В. В., Колюбин В. А., Львов С. А., Недосекин П. Г., Идалов В. А., Тюрин Е. М., Колесников С. В., Самосадный В. Т. Перспективы применения алмазных детекторов для регистрации заряженных частиц космического излучения // Ядерная физика и инжиниринг. 2014. Т. 5. № 2. С. 138.
2. Захарченко К. В., Каперко А. Ф., Колюбин В. А., Кулагин В. П, Львов С. А., Недосекин П. Г., Чумаченко Е. Н. Спектрометрический алмазный детектор потоков ионизирующего излучения для транспортных космических систем // Измерительная техника. 2015. № 6. С. 63-67.
3. Аневский С. И., Золотаревский Ю. М., Крутиков В. Н., Минаева О. А., Минаев Р. В., Сенин Д. С. Развитие методов воспроизведения и передачи единиц спектрометрии с использованием синхротронного излучения // Измерительная техника. 2015. № 3. С. 31-34.
4. Дикусар Н. Д. Полиноминальная аппроксимация высоких порядков. Дубна: ОИЯИ, 2014.
5. Алберг Дж., Нильсон Э., Уолш Дж. Теория сплайнов и её приложения / Пер. с англ. М.: Мир, 1972.
6. Хайкин Саймон. Нейронные сети: полный курс. М.: Издательский дом «Вильямс», 2006.
7. Murray A. F. Application of Neural Nets. Kluwer Academic Publishers, 1995.
8. Клеопин А. В. Уменьшение погрешности измерений длительности фронта импульсов с использованием искусственной нейронной сети // Измерительная техника. 2015. № 4. С. 58-60.
9. Fausett L. Fundamentals of Neural Networks: Architectures, Algorithms and Applications. Prentice Hall, 1994.
10. Колмогоров А. Н., Фомин С. В. Элементы теории функций и функционального анализа. М.: ФиС, 1976.
11. Панченко Т. В. Генетические алгоритмы: Учебно-методическое пособие / Под ред. Ю. Ю. Тарасевича. Астрахань: АГУ, 2007.
12. Круглов В. В., Дли М. И., Голунов Р. Ю. Нечеткая логика и искусственные нейронные сети. М.: ФИЗМАТЛИТ, 2001.
13. ОСТ 134-1044-2007. Аппаратура, приборы, устройства и оборудование космических аппаратов. Методы расчёта радиационных условий на борту космических аппаратов и установления требований по стойкости радиоэлектронной аппаратуры космических аппаратов к воздействию заряженных частиц космического пространства естественного происхождения.
Review
For citations:
, , , , , . Izmeritel`naya Tekhnika. 2016;(3):49-54. (In Russ.)
Views:
64
Email this article 