Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Large Hadron Collider" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
NIK kontynuuje audyt w CERN – doświadczenia dwóch lat
NIK to Continue the Audit at CERN – Experience of the Last Two Years
Autorzy:
Kurzyca, Wiesław
Powiązania:
https://bibliotekanauki.pl/articles/416352.pdf
Data publikacji:
2015-10
Wydawca:
Najwyższa Izba Kontroli
Tematy:
European Organisation for Nuclear Research
CERN
Large Hadron Collider
Opis:
For the last two years, the Supreme Audit Office has been conducting the audit of the European Organisation for Nuclear Research (CERN) in Geneva. The basic mandate of NIK is to carry out a financial audit of CERN and to evaluate the CERN Annual Progress Report. The article presents the most important information on the activities of the Supreme Audit Office’s audit team composed of six auditors.
Źródło:
Kontrola Państwowa; 2015, 60, 5 (364); 70-78
0452-5027
Pojawia się w:
Kontrola Państwowa
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Using neural networks with data quantization for time series analysis in LHC superconducting magnets
Autorzy:
Wielgosz, Maciej
Skoczeń, Andrzej
Powiązania:
https://bibliotekanauki.pl/articles/330546.pdf
Data publikacji:
2019
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
Large Hadron Collider
LSTM architecture
signal modelling
Wielki Zderzacz Hadronów
architektura LSTM
modelowanie sygnału
Opis:
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.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2019, 29, 3; 503-515
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies