排序方式: 共有2条查询结果,搜索用时 15 毫秒
1.
基于HL-2A装置的放电实验数据,利用卷积神经网络和时间窗口算法开发了高约束(H)模时段的识别算法,得到了可靠的高成功率的高约束模时段识别结果。算法中,选取206次放电实验数据中等离子体储能及氘α通道信号作为双通道原始数据进行学习,得到一个深度为21层的二分类卷积神经网络。该网络模型经过其他474次放电数据的测试集检验,高约束模识别的正确率达到了98.17%。
相似文献
2.
通过电压扫描探针测量了LEAD装置螺旋波射频等离子体伏安特性曲线和电子能量分布函数,并对等离子体基本参数剖面如电子温度、密度、等离子体电位和鞘电位降系数等进行了计算.实验发现在LEAD装置半径5cm以内的位置电子能量分布函数都遵循麦克斯韦分布.而在半径7cm附近,即与射频源线圈处于相同径向位置,电子能量呈现出典型的双麦...
相似文献