研究人员开发了一种新颖的方法,通过采用自监督神经网络回归模型来增强数字核仪表的波形脉冲时序。该方法结合了自监督和弱监督学习技术,以提高时序精度,其性能优于传统的算法和纯粹的监督神经网络。所开发的模型轻巧高效,适合部署在具有神经网络处理单元的微控制器等边缘设备上,特别是在核设施常见的混合辐射场中。 AI
影响 提高了核仪表测量的精度,通过可部署在边缘的AI模型,有可能实现更高效、更安全的操作。
排序理由 这是一篇研究论文,详细介绍了机器学习技术在科学仪器问题上的新颖应用。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- digital nuclear instrumentation
- machine learning
- Neural Processing Units
- self-supervised learning
- self-supervised neural regression models
- supervised learning
- Waveform-based pulse timing
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →