検索対象:     
報告書番号:
※ 半角英数字
 年 ~ 
 年
検索結果: 5 件中 1件目~5件目を表示
  • 1

発表形式

Initialising ...

選択項目を絞り込む

掲載資料名

Initialising ...

発表会議名

Initialising ...

筆頭著者名

Initialising ...

キーワード

Initialising ...

使用言語

Initialising ...

発行年

Initialising ...

開催年

Initialising ...

選択した検索結果をダウンロード

論文

特異点解析

徳田 伸二

プラズマ・核融合学会誌, 78(9), p.913 - 924, 2002/09

トロイダルプラズマの安定性解析の方法に関して、その最近の発展について入門的な解説を行った。臨界安定が連続スペクトルの端点になっている磁気流体力学系における摂動解析に、特に、力点をおき、そのような問題に適切な漸近接続法に注目する。そこではNewcomb方程式と内部層方程式が本質的な役割を果し、それらの数値計算法を議論する。

報告書

Burgのアルゴリズムに基づくARモデルの同定とその原子炉異常診断への応用

林 光二; 尾熊 律雄

JAERI-M 82-009, 43 Pages, 1982/03

JAERI-M-82-009.pdf:1.12MB

本研究はBurgのアルゴリズム(最大エントロピー法)に基づくARモデルとその原子炉雑音解析への応用に関するものである。シミュレーション・データを用いて、一般に良く用いられるYule-Walker法と比較しながら、本手法の評価を行なった。この評価には、モデルの次数、サンプル数、初期位相等の影響が考慮された。この結果、短いデータの解析にみられる推定されたスペクトルピークのずれの現象は、データの分散が正しく推定できない場合に起ることが示された。この手法を高出力炉の中性子雑音データに適用した。長いデータを一定長の短いデータに分割し、それぞれに対しスペクトル解析を行なった。この結果、スペクトルのピークの位置が時間依存の変動をする場合、これを検出できるという事が示された。

報告書

統計的解析手法に基づく原子炉システムの動特性解析および異常診断用コード:STAR

林 光二; 尾熊 律雄; 渡辺 光一

JAERI-M 9761, 79 Pages, 1981/10

JAERI-M-9761.pdf:1.91MB

多変数システムの動特性解析およひ診断解析のために、ハイブリッド計算機用の計算コードSTAR(Statistical Analysis of Random Data)を作成した。運転中のシステムで得られた多量の時系列データの取り扱いを容易にするために、ハイブリッド計算機の持つ種々の機能を広範に用いている。本計算コードは、データの取り込み、前処理、磁気テープやディスク・システムを使ったデータ管理、時間および周波数領域におけるシステムの動特性解析、得られた結果のグラフィック・ディスプレイ上での表示など種々のルーチンを含んでいる。システムの動特性解析は、時系列データのBlackman-Tukey法によるスペクトル解析あるいはAR(自己回帰)モデリングに基づいて実行される。本報告は、本コードに用いられている種々のデータ処理方法や解析手法、およびその使用法を幾つかの適用例とともに記述したものである。

口頭

加工データを学習データに用いたニューラルネットワークによるスペクトル解析

大場 正規

no journal, , 

LIBSなどで得られた多元素スペクトルデータの解析方法としてニューラルネットワークによる解析システムの構築を行っている。学習データは多い方が、精度が上がると期待されるが、多くの実試料を作製するのは時間と労力を必要とする。そこでGd$$_{2}$$O$$_{3}$$、TiO$$_{2}$$、ZrO$$_{2}$$それぞれのスペクトルデータを、比率を変えてデータ上で混合して462種類の加工した学習データを作成し、学習させた。その後、マイクロ波LIBS測定で得られた実試料のデータ62種類の各元素間の含有比率を解析し、その特性を調べた。その結果、真値との差およそ$$pm$$10%で含有比を求められた。

口頭

主成分分析により次元削減した加工データを学習データに用いたニューラルネットワークによるスペクトル解析

大場 正規

no journal, , 

Gd$$_{2}$$O$$_{3}$$、TiO$$_{2}$$、ZrO$$_{2}$$のデータから加工で得た462種類の学習データをPCAにより次元削減を行った。学習後、実試料のデータ62種類をテストデータとして元素の含有比を解析した。前回同様、実試料の真値と解析値の校正曲線を作成し、含有比を解析する。今回用いたニューラルネットワークは、入力層-中間層(2層)-出力層という構成で、中間層は各100ノード2層用いた。学習データのPCAの結果、7944次元(ピクセル)の学習データを5次元に大幅に削減することができた。これを用いて学習させ、テストデータを解析した結果、真値との差およそ$$pm$$10%で、前回とほぼ同様な値であった。

5 件中 1件目~5件目を表示
  • 1