Repozytorium Uniwersytetu Zielonogórskiego udostępnia 9 272 obiektów cyfrowych
Obiekt
Tytuł: Using neural networks with data quantization for time series analysis in LHC superconducting magnets
Współtwórca:
Kulczycki, Piotr - ed. ; Kacprzyk, Janusz - ed. ; Kóczy, László T. - ed. ; Mesiar, Radko - ed.
Podtytuł:
Tytuł publikacji grupowej:
Abstract:
The aim of this paper is to present a model based on the recurrent neural network (RNN) architecture, the long short-term memory (LSTM) in particular, for modeling the work parameters of Large Hadron Collider (LHC) superconducting magnets. High-resolution data available in the post mortem database were used to train a set of models and compare their performance for various hyper-parameters such as input data quantization and the number of cells. A novel approach to signal level quantization allowed reducing the size of the model, simplifying the tuning of the magnet monitoring system and making the process scalable. ; The paper shows that an RNN such as the LSTM or a gated recurrent unit (GRU) can be used for modeling high-resolution signals with the accuracy of over 0.95 and a small number of parameters, ranging from 800 to 1200. This makes the solution suitable for hardware implementation, which is essential in the case of monitoring the performance critical and high-speed signal of LHC superconducting magnets.
Wydawca:
Zielona Góra: Uniwersytet Zielonogórski
Identyfikator zasobu:
DOI:
Strony:
Źródło:
AMCS, volume 29, number 3 (2019) ; kliknij tutaj, żeby przejść
Jezyk:
Licencja CC BY 4.0:
Prawa do dysponowania publikacją:
Biblioteka Uniwersytetu Zielonogórskiego
Kolekcje, do których przypisany jest obiekt:
- Repozytorium > Jednostki organizacyjne > Wydział Informatyki, Elektrotechniki i Automatyki
- Repozytorium > Typy utworów > Artykuły
- Repozytorium > Czasopisma naukowe i serie wydawnicze UZ > International Journal of Applied Mathematics and Computer Science (AMCS) > International Journal of Applied Mathematics and Computer Science (AMCS) (2019)
Data ostatniej modyfikacji:
14 lip 2025
Data dodania obiektu:
11 lip 2025
Liczba wyświetleń treści obiektu:
10
Wszystkie dostępne wersje tego obiektu:
https://zbc.uz.zgora.pl/repozytorium/publication/100986
Wyświetl opis w formacie RDF:
Wyświetl opis w formacie OAI-PMH:
-
-
-
-
-
-
-
-
-
International Journal of Applied Mathematics and Computer Science (AMCS), volume 29, number 1 (2019)
-
International Journal of Applied Mathematics and Computer Science (AMCS), volume 29, number 2 (2019)
-
International Journal of Applied Mathematics and Computer Science (AMCS), volume 29, number 3 (2019)
-
International Journal of Applied Mathematics and Computer Science (AMCS), volume 29, number 4 (2019)
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
| Nazwa wydania | Data |
|---|---|
| Using neural networks with data quantization for time series analysis in LHC superconducting magnets | 14 lip 2025 |
