Der sichere Betrieb ITERs erfordert die Erkennung zukünftiger Disruptionen. Zu diesem Zweck schlagen wir ein Shapelet-basiertes neuronales Netzwerk vor. Anhand eines Mehrklassen-Disruptionsdatensatzes von JET zeigen wir, dass unser shapelet-basiertes Modell besser als zwei Architekturen aus der Literatur abschneidet. Zudem zeigen wir mittels eines Cross-Tokamak-Datensatzes von JET- und ASDEX-Upgrade die bemerkenswerte Interpretierbarkeit dieser Methode und gewinnen Einblicke in die Vorhersagen.      «

Der sichere Betrieb ITERs erfordert die Erkennung zukünftiger Disruptionen. Zu diesem Zweck schlagen wir ein Shapelet-basiertes neuronales Netzwerk vor. Anhand eines Mehrklassen-Disruptionsdatensatzes von JET zeigen wir, dass unser shapelet-basiertes Modell besser als zwei Architekturen aus der Literatur abschneidet. Zudem zeigen wir mittels eines Cross-Tokamak-Datensatzes von JET- und ASDEX-Upgrade die bemerkenswerte Interpretierbarkeit dieser Methode und gewinnen Einblicke in die Vorhersagen....     »