PulseAugur
中
实时 13:31:42
English(EN) Lightweight CNN-Based Anomaly Detection for High Voltage Converter Modulators in the Spallation Neutron Source

CNN模型改进散裂中子源的异常检测

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种轻量级卷积神经网络（CNN）模型，用于散裂中子源（SNS）的高压转换器调制器的异常检测。这种新方法旨在通过识别系统中传感器数据的故障前兆来减少停机时间。该模型的架构仔细排序了时间滤波和跨通道混合，实现了0.816的池化AUC-PR和0.934的AUC-ROC，在大多数子系统和故障类型上优于现有方法。 AI

影响 通过提高故障检测精度，增强了科学设施的运行可靠性。

排序理由 该集群包含一篇详细介绍新研究方法及其评估的学术论文。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Alberto D. Cencillo, Leonardo Concepci\'on, Juli\'an Luengo, Isaac Triguero ·

    轻量级基于CNN的散裂中子源高压变流器调制器异常检测

    arXiv:2605.31259v1 Announce Type: new Abstract: Unscheduled trips of high-power pulsed converters are a leading source of downtime at large accelerator facilities. At the Spallation Neutron Source (SNS), the High Voltage Converter Modulators (HVCMs) are consistently the second-la…

  2. arXiv cs.LG TIER_1 English(EN) · Isaac Triguero ·

    轻量级基于CNN的散裂中子源高压变流器调制器异常检测

    Unscheduled trips of high-power pulsed converters are a leading source of downtime at large accelerator facilities. At the Spallation Neutron Source (SNS), the High Voltage Converter Modulators (HVCMs) are consistently the second-largest contributor to lost beam time. Each HVCM p…

相关实体

相关话题