您当前的位置：
首页 >
文章列表页 >
基于机器学习方法的CSNS加速器智能值班员样机系统
核物理及核数据中的机器学习应用专题 | 更新时间：2025-05-07

    • 基于机器学习方法的CSNS加速器智能值班员样机系统

    • A prototype system for intelligent accelerator operation monitoring at CSNS based on machine learning

    • “中国散裂中子源稳定运行对科研至关重要，传统报警机制存在局限。专家开发了基于机器学习的异常检测系统，提升监测准确性和故障排除效率。”
    • 核技术   2025年 文章编号：XXXXXX

    • DOI：10.11889/j.0253-3219.2025.hjs.48.240522    

      中图分类号： TL99

    • 收稿日期：2024-12-19，

      修回日期：2025-02-12，

      网络出版日期：2025-05-07，

    移动端阅览

  • 彭娜, 张玉亮, 程司农, 等. 基于机器学习方法的CSNS加速器智能值班员样机系统[J/OL]. 核技术, 2025,XXXXXX DOI： 10.11889/j.0253-3219.2025.hjs.48.240522. CSTR： 32193.14.hjs.CN31-1342/TL.2025.48.240522.

    PENG Na, ZHANG Yuliang, CHENG Sinong, et al. A prototype system for intelligent accelerator operation monitoring at CSNS based on machine learning[J/OL]. Nuclear techniques, 2025, XXXXXX DOI： 10.11889/j.0253-3219.2025.hjs.48.240522. CSTR： 32193.14.hjs.CN31-1342/TL.2025.48.240522.

  •  
  •  

0

浏览量

0

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

基于SSA-XGBoost模型的高精度密度测井预测方法研究
基于KPCA-MPA-ELM的n/γ甄别方法研究
利用机器学习方法对几个核物理问题的深入研究
基于机器学习的重离子碰撞中QCD相变的研究
基于卷积神经网络算法的X射线晶体衍射实验数据筛选

相关作者

吴文圣
李瑞
李户林
庹先国
张云龙
张贵宇
胡万平
高泽鹏

相关机构

中国石油大学（北京） 地球物理学院
成都惠利特自动化科技有限公司
西南科技大学 信息工程学院
四川轻化工大学 人工智能四川省重点实验室
四川轻化工大学 自动化与信息工程学院
0