@misc{oai:repo.qst.go.jp:00073192,
 author = {横山達也 and 末吉孝充 and 三善, 悠矢 and 日渡, 良爾 and 五十嵐康彦 and 岡田真人 and 小川雄一 and 三善 悠矢 and 日渡 良爾},
 month = {Nov},
 note = {トカマクプラズマに特有の課題に、プラズマ電流が瞬断するディスラプション現象がある。その物理的背景は未だ解明されていないが、実験データをもとにディスラプションの発生を予測しようという研究が進められている。一方、大量のデータから現象を説明する変数を探し出す「データ駆動科学」が注目されており、その手法としては計算機がデータから特徴を自動的に抽出する「機械学習」が用いられている。また、データの説明変数が次元数よりも少ないと仮定してモデルを導く「スパースモデリング」の考え方を用いれば、データから効率的に情報を抽出し、現象を説明する変数を絞り込むことができる。本研究では JT-60Uの放電データをもとに、機械学習の手法の１つであるニューラルネットワークを用いてディスラプション予測機を構築する。さらに全状態探索を用いてスパースなモデルを構築し、予測性能の向上とディスラプションの解明に寄与することを目指す。, Plasma Conference 2017},
 title = {全状態探索を用いたニューラルネットワークによるディスラプション予知},
 year = {2017}
}