MAPress
مقاله استخراج n = 0 توسط آشکارسازهای حالت قفل شده بر اساس شبکه های عصبی در J-TEXT

مقاله استخراج n = 0 توسط آشکارسازهای حالت قفل شده بر اساس شبکه های عصبی در J-TEXT

تگ‌ها: Machine Learning Plasma Physics فیزیک پلاسما یادگیری ماشین

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Extraction of n = 0 pick-up by locked mode detectors based on neural networks in J-TEXT
عنوان مقاله به فارسی مقاله استخراج n = 0 توسط آشکارسازهای حالت قفل شده بر اساس شبکه های عصبی در J-TEXT
نویسندگان Chengshuo Shen, Jianchao Li, Yonghua Ding, Jiaolong Dong, Nengchao Wang, Dongliang. Han, Feiyue Mao, Da Li, Zhipeng Chen, Zhoujun Yang, Zhongyong Chen, Yuan Pan, J-Text Team
زبان مقاله انگلیسی
فرمت مقاله: PDF
تعداد صفحات 0
دسته بندی موضوعات Plasma Physics,Machine Learning,فیزیک پلاسما , یادگیری ماشین ,
توضیحات Submitted 22 November, 2023; originally announced November 2023. , Comments: 7pages, 10figures
توضیحات به فارسی ارسال شده 22 نوامبر 2023 ؛در ابتدا نوامبر 2023 اعلام شد ، نظرات: 7 صفحه ، 10 شکل

چکیده

Measurement of locked mode (LM) is important for the physical research of Magnetohydrodynamic (MHD) instabilities and plasma disruption. The n = 0 pick-up need to be extracted and subtracted to calculate the amplitude and phase of the LM. A new method to extract this pick-up has been developed by predicting the n = 0 pick-up brn=0 by the LM detectors based on Neural Networks (NNs) in J-TEXT. An approach called Power Multiple Time Scale (PMTS) has been developed with outstanding regressing effect in multiple frequency ranges. Three models have been progressed based on PMTS NNs. PMTS could fit the brn=0 on the LM detectors with little errors both in time domain and frequency domain. The n>0 pick-up brn>0 generated by resonant magnetic perturbations (RMPs) can be obtained after subtracting the extracted brn=0. This new method uses only one LM instead of 4 LM detectors to extract brn=0. Therefore, the distribution of the LM detectors can also be optimized based on this new method.

چکیده به فارسی (ترجمه ماشینی)

اندازه گیری حالت قفل شده (LM) برای تحقیقات فیزیکی بی ثباتی مغناطیسی (MHD) و اختلال در پلاسما مهم است.برای محاسبه دامنه و فاز LM ، وانت n = 0 باید استخراج و تفریق شود.یک روش جدید برای استخراج این وانت با پیش بینی N = 0 وانت BRN = 0 توسط آشکارسازهای LM بر اساس شبکه های عصبی (NNS) در متن J ساخته شده است.رویکردی به نام مقیاس چند زمان قدرت (PMTS) با اثر بازگرداندن برجسته در محدوده فرکانس چندگانه توسعه یافته است.سه مدل بر اساس PMTS NNS پیشرفت کرده اند.PMT ها می توانند BRN = 0 را در ردیاب های LM با خطاهای کمی هم در دامنه زمان و هم در دامنه فرکانس قرار دهند.N> 0 وانت Brn> 0 تولید شده توسط آشفتگی های مغناطیسی رزونانس (RMP) را می توان پس از کم کردن BRN استخراج شده = 0 بدست آورد.این روش جدید فقط از یک LM به جای 4 ردیاب LM برای استخراج BRN = 0 استفاده می کند.بنابراین ، توزیع آشکارسازهای LM نیز می تواند بر اساس این روش جدید بهینه شود.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.