文献

J-GLOBAL ID：202002227113545904   整理番号：20A0373557

ボロメータデータからのプラズマ断層撮影と破壊予測のための深層学習【JST・京大機械翻訳】

Deep Learning for Plasma Tomography and Disruption Prediction From Bolometer Data

著者 (3件)： Ferreira Diogo R. (Institute for Plasmas and Nuclear Fusion (IPFN), Instituto Superior Te ́cnico (IST), University of Lisbon, Lisbon, Portugal) ,  Carvalho Pedro J. (Culham Science Centre, JET, Abingdon, U.K.) ,  Fernandes Horacio (Institute for Plasmas and Nuclear Fusion (IPFN), Instituto Superior Te ́cnico (IST), University of Lisbon, Lisbon, Portugal)
資料名： IEEE Transactions on Plasma Science  (IEEE Transactions on Plasma Science)
巻： 48  号： 1  ページ： 36-45  発行年： 2020年 
JST資料番号： D0036B  ISSN： 0093-3813  CODEN： ITPSBD  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 深い学習の利用は,多くの領域における広範囲のデータ処理タスクを容易にする。融合装置に取り付けられた診断システムから収集された大量のデータを処理する必要があるので,融合データの解析は例外ではない。融合データは画像と時系列を含み,畳込みと再帰ニューラルネットワークの利用のための自然候補である。本論文では,畳込みニューラルネットワークを用いてプラズマ放射プロファイルを再構成する方法について述べ,同じ入力データに基づく破壊予測のためのRNNsを用いる可能性について議論した。両アプローチは,多チャネル診断システムからのデータを用いて共同ヨーロッパトーラス(JET)に適用されている。同様のアプローチは他の融合装置や診断にも適用できる。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ボロメータ ,  データ処理 ,  *プラズマ ,  再構成 ,  ニューラルネットワーク ,  畳込み ,  *トモグラフィー
準シソーラス用語： マルチチャネル ,  入力データ ,  プラズマ放射 ,  畳込みニューラルネットワーク ,  診断システム ,  *深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 核融合装置  (BJ02083Z) ,  プラズマ診断  (BJ02090L)

タイトルに関連する用語 (5件)： ボロメータ ,  プラズマ ,  断層撮影 ,  破壊予測 ,  深層学習