KROMER, Pavel, Zdeněk MATĚJ, Petr MUSÍLEK, Václav PŘENOSIL and František CVACHOVEC. Neutron-Gamma Classification by Evolutionary Fuzzy Rules and Support Vector Machines. Online. In 2015 IEEE INTERNATIONAL CONFERENCE ON SYSTEMS, MAN AND CYBERNETICS (SMC 2015): BIG DATA ANALYTICS FOR HUMAN-CENTRIC SYSTEMS. Kowloon: IEEE, 2015, p. 2638-2642. ISBN 978-1-4799-8696-5. Available from: https://dx.doi.org/10.1109/SMC.2015.461.
Other formats:   BibTeX LaTeX RIS
Basic information
Original name Neutron-Gamma Classification by Evolutionary Fuzzy Rules and Support Vector Machines
Authors KROMER, Pavel (203 Czech Republic), Zdeněk MATĚJ (203 Czech Republic, guarantor, belonging to the institution), Petr MUSÍLEK (124 Canada), Václav PŘENOSIL (203 Czech Republic, belonging to the institution) and František CVACHOVEC (203 Czech Republic).
Edition Kowloon, 2015 IEEE INTERNATIONAL CONFERENCE ON SYSTEMS, MAN AND CYBERNETICS (SMC 2015): BIG DATA ANALYTICS FOR HUMAN-CENTRIC SYSTEMS, p. 2638-2642, 5 pp. 2015.
Publisher IEEE
Other information
Original language English
Type of outcome Proceedings paper
Field of Study 10201 Computer sciences, information science, bioinformatics
Country of publisher China
Confidentiality degree is not subject to a state or trade secret
Publication form electronic version available online
WWW URL
RIV identification code RIV/00216224:14330/15:00086986
Organization unit Faculty of Informatics
ISBN 978-1-4799-8696-5
ISSN 1062-922X
Doi http://dx.doi.org/10.1109/SMC.2015.461
UT WoS 000368940202127
Keywords (in Czech) fuzzy logika, neutron, spektrometrie
Keywords in English fuzzy logic; neutron; spectrometry
Tags firank_A
Changed by Changed by: doc. RNDr. Zdeněk Matěj, Ph.D., učo 72963. Changed: 12/12/2019 11:02.
Abstract
Accurate and fast methods for neutron-gamma discrimination play an essential role in the development of digital scintillation detectors. Digital detectors allow the use of state-of-the-art data analysis, mining, and classification methods in place of traditional approaches based on analog technology such as the pulse rise-time and charge-comparison methods. This work compares the ability of evolutionary fuzzy rules and support vector machines to perform accurate neutron-gamma classification. The accuracy and performance of both investigated methods are evaluated on two real-world data sets.
Abstract (in Czech)
Přesné a rychlé metody pro rozdělení odezev neutronů a gama záření hrají zásadní roli ve vývoji digitálních scintilačních detektorů. Digitální detektory umožňují použití state-of-the-art analýzy dat, dolování dat a aplikace klasifikačních metod namísto tradičních metod používaných v analogové technologii, jako je měření doby náběhy pulsní odezvy nebo porovnávání náboje. Tato práce srovnává separační vlastnosti fuzzy logiky (evolutionary fuzzy rules) a klasifikačního algoritmu SVM (Support Vector Machines) pro přesnou klasifikaci neutron-gama. Přesnost a výkon obou porovnávaných metod je hodnocena na dvou datových souborech získaných měřeními pole zářiče 252Cf.
PrintDisplayed: 24/4/2024 19:28