Consiglio Nazionale delle Ricerche

Tipo di prodottoArticolo in rivista
TitoloMachine learning for the identification of scaling laws and dynamical systems directly from data in fusion
Anno di pubblicazione2010
Formato
  • Elettronico
  • Cartaceo
Autore/iMurari A.; Vega J.; Mazon D.; Patané D.; Vagliasindi G.; Arena P.; Martin N.; Martin N.F.; Rattá G.; Caloone V.; JET-EFDA Contributors
Affiliazioni autoria Consorzio RFX-Associazione EURATOM ENEA per la Fusione, I-35127 Padova, Italy / - b Asociación EURATOM-CIEMAT para Fusión, CIEMAT, Madrid, Spain / - c Association EURATOM-CEA, CEA Cadarache, 13108 Saint-Paul-lez-Durance, France / - d Dipartimento di Ingegneria Elettrica Elettronica e dei Sistemi-Università degli Studi di Catania, 95125 Catania, Italy / - e Arts et Métiers Paris Tech Engineering College (ENSAM) 13100 Aix-en-Provence, France / - f JET-EFDA, Culham Science Centre, Abingdon OX14 3DB, UK. (A. Murari a; J. Vega b; D. Mazon c; D. Patané d; G. Vagliasindi d; P. Arena d; N. Martin e; N.F. Martin e; G. Rattá b; V. Caloone e; JET-EFDA Contributors f)
Autori CNR e affiliazioni
  • ANDREA MURARI
Lingua/e
  • inglese
AbstractOriginal methods to extract equations directly from experimental signals are presented. These techniques have been applied first to the determination of scaling laws for the threshold between the L and H mode of confinement in Tokamaks. The required equations can be extracted from the weights of neural networks and the separating hyperplane of Support Vector Machines. More powerful tools are required for the identification of differential equations directly from the time series of the signals. To this end, recurrent neural networks have proved to be very effective to properly identify ordinary differential equations and have been applied to the coupling between sawteeth and ELMs.
Lingua abstractinglese
Altro abstract-
Lingua altro abstract-
Pagine da850
Pagine a854
Pagine totali5
RivistaNUCLEAR INSTRUMENTS & METHODS IN PHYSICS RESEARCH SECTION A-ACCELERATORS SPECTROMETERS DETECTORS AND ASSOCIATED EQUIPMENT
ISSN: 0168-9002
Titolo chiave: NUCLEAR INSTRUMENTS & METHODS IN PHYSICS RESEARCH SECTION A-ACCELERATORS SPECTROMETERS DETECTORS AND ASSOCIATED EQUIPMENT
Numero volume della rivista623
Fascicolo della rivista2
DOI10.1016/j.nima.2010.02.080
Verificato da refereeSì: Internazionale
Stato della pubblicazione-
Indicizzazione (in banche dati controllate)
  • ISI Web of Science (WOS) (Codice:000284343600051)
  • Scopus (Codice:2-s2.0-77957941121)
Parole chiaveL-H transition, Recurrent neural networks, Regression, Scaling laws, SVM
Link (URL, URI)http://www.sciencedirect.com/science/article/pii/S0168900210002780
Titolo parallelo-
Licenza-
Scadenza embargo-
Data di accettazione-
Note/Altre informazioniLa rivista è pubblicata anche online con ISSN 1872-9576.
Strutture CNR
  • IGI — Istituto gas ionizzati
Moduli/Attività/Sottoprogetti CNR
  • ET.P05.003.001 : Esperimento RFX ed attività collegate
Progetti Europei-
Allegati
Machine learning for the identification of scaling laws (documento privato )
Descrizione: L'allegato contiene l'articolo così come pubblicato.
Tipo documento: application/octect-stream

Dati associati a vecchie tipologie
I dati associati a vecchie tipologie non sono modificabili, derivano dal cambiamento della tipologia di prodotto e hanno solo valore storico.
Editore
  • ELSEVIER SCIENCE BV, PO BOX 211, 1000 AE AMSTERDAM, NETHERLANDS, AMSTERDAM (Paesi Bassi)

Dati storici
I dati storici non sono modificabili, sono stati ereditati da altri sistemi (es. Gestione Istituti, PUMA, ...) e hanno solo valore storico.
Rivista ISINUCLEAR INSTRUMENTS & METHODS IN PHYSICS RESEARCH SECTION A-ACCELERATORS SPECTROMETERS DETECTORS AND ASSOCIATED EQUIPMENT [05972J0]
NoteIssue 2