EL PRESENTE TRABAJO ESTA RELACIONADO CON EL DESARROLLO DEUN METODO ROBUSTO PARA LA DETERMINACION Y CUANTIFICACIONDE LOS ELEMENTOS PRESENTES EN UN ESPECTRO COMPOSICIONOBTENIDO DE UNA MEZCLA DE RADIO NUCLIDOS, SUPONIENDO QUELAS MUESTRAS DE LOS ESPECTROS INDIVIDUALES PRESENTES ENLA MEZCLA SON CONOCIDOS DE ANTEMANO. LOS ALGORITMOSDIGITALES CONVENCIONALES PARA SOLUCIONAR ESTE PROBLEMASON BASTANTE LENTOS DEBIDO A QUE UTILIZAN COMPUTACION ENSERIE.CONSIDERAMOS EL SIGUIENTE PROBLEMA (PROBLEMA DE LAMEZCLA): DADO LOS ESPECTROS DE UN NUMERO (K) DERADIO-NUCLIDOS (REFERENCIAS BASICAS), SE TRATA DEDETERMINAR LA COMPOSICION DESCONOCIDA DE UNA MEZCLA DELAS REFERENCIAS A PARTIR DEL ESPECTRO DE LA MISMA.EL OBJETIVO PRINCIPAL DE ESTE TRABAJO ES EXPLOTAR LAPOSIBILIDAD DE UTILIZAR REDES NEURONALES PARA OBTENER UNASOLUCION ROBUSTA Y EFICIENTE AL PROBLEMA DE LA MEZCLA ENESPECTROS DE RADIACION.LA RED NEURONAL PROPUESTA ES UNA RED RECURRENTE LINEALBASADA EN EL MODELO DE HOPFIELD, QUE PERMITE ASEGURAR LACONVERGENCIA DEL PROBLEMA MEDIANTE LA UTILIZACION DELALGORITMO ADAPTATIVO DE MINIMIZACION DE ERROR (METODO DELGRANDIENTE). SE HA ELEGIDO EL MODELO DE HOPFIELD, PORQUE,EL PROBLEMA PLANTEADO ES ESENCIALMENTE LINEAL.OTRO PROBLEMA CONSIDERADO, DE GRAN INTERES PERO DENATURALEZA COMPLEJA, ES EL TRATAMIENTO DE LASDEFORMACIONES QUE APARECEN EN EL ESPECTRO CUANDO SETIENEN EN CUENTA LAS DERIVAS INSTRUMENTALES. SE ANALIZAUN MODELO QUE INCLUYE EL TRATAMIENTO DE LAS DERIVAS COMOUNA EXTENSION DE LAS CONTRIBUCIONES INDIVIDUALES ALESPECTRO MEZCLA, LO CUAL IMPLICA UNA SIMPLE EXTENSION DELCONJUNTO DE REFERENCIAS BASICAS Y UNA APLICACIONRECURSIVA DEL ALGORITMO DE MINIMIZACION. SE EXPLORA ELCOMPORTAMIENTO Y LA PRECISION DE LOS RESULTADOSOBTENIDOS, ASI COMO LA CAPACIDAD DE DISCRIMINACION ENMEZCLAS MUY HETEROGENEAS, Y EN LA PRESENCIA DE RUIDO.
