Интерпретируемое восстановление нейтронных спектров нейро-нечёткой моделью с полной SHAP-регуляризацией
Журнал: Сетевое научное издание «Системный анализ в науке и образовании» @journal-sanse
Рубрика: Системный анализ в прикладных задачах
Статья в выпуске: 3, 2026 года.
Бесплатный доступ
Работа посвящена восстановлению энергетического спектра нейтронов по откликам многошарового спектрометра Боннера. Эта задача относится к некорректно поставленным обратным задачам, поскольку малые ошибки в измеренных откликах могут заметно искажать восстановленный спектр. В качестве основного подхода предложен двухэтапный метод на основе многовыходной ANFIS-модели с полной SHAP-регуляризацией и тихоновским условием гладкости. SHAP-цель вычисляется в режиме exact SHAP по коалициям десяти входных измерений, а внутренняя важность определяется через градиент ошибки восстановления. Обучение, валидация и тестирование проводились на наборе из 375 нейтронных спектров с разбиением 225/75/75. В итоговом прогоне достигнуто значение R² = 0,84, а проверка по нескольким начальным состояниям генератора случайных чисел подтвердила положительный AUC-разрыв внутренней важности. Работа выполнена в рамках государственного задания Министерства науки и высшего образования Российской Федерации (тема № 124112200072-2).
Короткий адрес: https://sciup.org/14139470
IDS: 14139470 | УДК: 519.6:539.1
Interpretable Neutron Spectrum Reconstruction by a Neuro-Fuzzy Model with Full SHAP Regularization
This paper addresses the reconstruction of the neutron energy spectrum from the responses of a Bonner multisphere spectrometer. This problem belongs to the class of ill-posed inverse problems, since small errors in the measured responses can noticeably distort the reconstructed spectrum. As the main approach, a two-stage method is proposed based on a multi-output ANFIS model with full SHAP regularization and Tikhonov smoothness constraint. The SHAP target is computed in the exact SHAP mode over coalitions of ten input measurements, while internal importance is determined through the gradient of the reconstruction error. Training, validation, and testing were performed on a dataset of 375 neutron spectra split into 225/75/75 samples. In the final run, the model achieved R² = 0.84, and testing over several random generator initial states confirmed a positive AUC gap for internal importance.Keywords: inverse problem, neutron spectrum, Bonner sphere spectrometer, ANFIS, SHAP regularization, Tikhonov regularization. The research was carried out within the state assignment of Ministry of Science and Higher Education of the Russian Federation (theme No. 124112200072-2).