دانشمندان به تازگی برای کاهش خرابیهای ناگهانی در منبع نوترون اسپالیشن (SNS)، یک مدل یادگیری عمیق سبکوزن مبتنی بر CNN طراحی کردهاند. این مدل با تحلیل دقیق دادههای سنسورهای مبدلهای ولتاژ بالا (HVCM)، میتواند پیشنیازهای خطا را شناسایی کرده و از توقفهای ناخواسته جلوگیری کند.
نکته جالب این تحقیق، بررسی تاثیر ترتیب عملیات فیلتر کردن زمانی و ترکیب کانالها در معماری شبکه است که منجر به بهبود چشمگیر دقت در شناسایی الگوهای خرابی شده است. این دستاورد گامی مهم در استفاده از مدلهای هوشمند برای نگهداری و پیشبینی خرابی سیستمهای صنعتی فوقپیچیده محسوب میشود. 🤖⚡️
منبع: arXiv Machine Learning