موقعیت دکتری در تحلیل خودکار طیف گاما از طریق یادگیری ماشین ترکیبی
توسعه الگوریتمهای یادگیری ماشین ترکیبی برای طیفسنجی گاما خودکار جهت بهینهسازی برچیدن تأسیسات هستهای.
مناسب برای:مناسب برای نامزدهایی با پیشینه قوی در یادگیری ماشین، تحلیل عددی و علم داده که به ابزار دقیق هستهای و کاربردهای زیستمحیطی علاقه دارند.
مرور کلی
این موقعیت دکتری در دانشگاه پاریس-ساکلی، با همکاری CEA/List و CEA/DEDIP، بر پیشبرد تحلیل خودکار طیف گاما برای برچیدن تأسیسات هستهای تمرکز دارد. این پژوهش یک الگوریتم جدید یادگیری ماشین ترکیبی و جداسازی آماری توسعهیافته را برای مشخصهیابی سطوح بتنی و دستهبندی سطوح آلودگی پسماند گسترش میدهد. نامزد منتخب مطالعات امکانسنجی را انجام خواهد داد، انحرافات مدل را مدلسازی میکند و استحکام تصمیمگیری را برای اندازهگیریهای آشکارساز سوئیتیلاتور با آمار پایین بهینهسازی مینماید. این پروژه یک تجربه پژوهشی ساختاریافته سه ساله را در محیط یک آزمایشگاه ملی پیشرو فراهم میکند.
نحوهٔ درخواست
برای دیدن امتیاز تطابق شخصی، نیازمندیها، جزئیات بودجه و نحوهٔ درخواست — به انگلیسی یا فارسی — حساب کاربری رایگان بساز.