文献

J-GLOBAL ID：202002236033744091   整理番号：20A2481175

機械学習ベースのディスラプション予測因子開発のためのデータベース【JST・京大機械翻訳】

A database for developing machine learning based disruption predictors

著者 (5件)： Zhang Ming (International Joint Research Laboratory of Magnetic Confinement Fusion and Plasma Physics, State Key Laboratory of Advanced Electromagnetic Engineering and Technology, School of Electrical and Electronic Engineering, Huazhong University of Science and Technology, Wuhan, 430074, China) ,  Wu Qiqi (International Joint Research Laboratory of Magnetic Confinement Fusion and Plasma Physics, State Key Laboratory of Advanced Electromagnetic Engineering and Technology, School of Electrical and Electronic Engineering, Huazhong University of Science and Technology, Wuhan, 430074, China) ,  Zheng Wei (International Joint Research Laboratory of Magnetic Confinement Fusion and Plasma Physics, State Key Laboratory of Advanced Electromagnetic Engineering and Technology, School of Electrical and Electronic Engineering, Huazhong University of Science and Technology, Wuhan, 430074, China) ,  Shang Yangxing (School of Electrical and Electronic Engineering, Huazhong University of Science and Technology, Wuhan, 430074, China) ,  Wang Yuxing (International Joint Research Laboratory of Magnetic Confinement Fusion and Plasma Physics, State Key Laboratory of Advanced Electromagnetic Engineering and Technology, School of Electrical and Electronic Engineering, Huazhong University of Science and Technology, Wuhan, 430074, China)
資料名： Fusion Engineering and Design  (Fusion Engineering and Design)
巻： 160  ページ： Null  発行年： 2020年 
JST資料番号： T0497A  ISSN： 0920-3796  CODEN： FEDEEE  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 機械学習ベースの破壊予測方法は,物理的ベースの方法より高い成功率,低い誤り警報率,および早期警戒時間を有する良い予測性能を示した。機械学習分野での一つの重要な薄いプッシュは,高品質訓練データである。したがって,正確な破壊関連情報の豊富な集合を有するデータベースは,高性能破壊予測子の開発に重要である。J-TEXT上で高速かつ反復的に機械学習ベースの破壊予測子を開発するために,機械学習破壊予測に専用のデータベースを構築した。このデータベースは,破壊関連ラベル,ユーザ証明フィルタと訓練とテストデータの自動生成に基づくデータを質問するためのインタフェイスだけでなく,予測子のベンチマークのためのインタフェイスも提供する。そのモジュール設計は,診断信号を処理し,自動的に異なるラベルを生成する様々なショット解析モジュールをプラグインすることを可能にする。これらのモジュールは,ショット解析プロセスをスピードアップするクラスタ上で並列にスケジュールし,実行することができる。生成されたラベルは,後の質問のためにMongoDB NoSQLデータベースに挿入された。しかし,機械学習破壊予測のための1つの主要なハードルは,それらが訓練されたもの以外のデバイスで受け入れられないほど不良である。それは,多くの異なるトカマクからのデータを必要として,クロスマシン予測子を開発できるので,このデータベースは,MDSplusのような異なるデータソースから診断データを読むデータインポートモジュールも有し,並列ファイルシステム上で統一データ構造を持つHDF5ファイルとしてそれらを格納する。それは異なる機械からデータを輸入し,統一データアクセスインタフェイスを提供する。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： トカマク ,  フィルタ ,  データ構造 ,  *データベース ,  クラスタ ,  粒状材 ,  インタフェイス ,  ベンチマーク ,  *機械学習 ,  ファイルシステム
準シソーラス用語： 訓練データ ,  予測子 ,  誤警報 ,  自動生成 ,  *予測因子 , 【Automatic Indexing@JST】

著者キーワード (4件)： データベース ,  破壊予測 ,  機械学習 ,  MongoDB

分類 (1件)： 核融合装置  (BJ02083Z)

タイトルに関連する用語 (4件)： 機械学習 ,  予測因子 ,  開発 ,  データベース