Machine learning approach for operational phases identification in H-mode 
density limit disruptions

Lacquaniti, M.; Sias, G.; Cannas, B.; Fanni, A.; Maraschek, M.; Gude, A.; EUROfusion MST1 Team

Datensatz

DATENSATZ AKTIONENEXPORT

Zur Ablage hinzufügen

Lokale TagsFreigabegeschichteDetailsÜbersicht

Freigegeben

Poster

Machine learning approach for operational phases identification in H-mode density limit disruptions

MPG-Autoren

/persons/resource/persons109880

Maraschek, M.
Tokamak Scenario Development (E1), Max Planck Institute for Plasma Physics, Max Planck Society;

/persons/resource/persons109252

Gude, A.
Tokamak Scenario Development (E1), Max Planck Institute for Plasma Physics, Max Planck Society;

Externe Ressourcen

Es sind keine externen Ressourcen hinterlegt

Volltexte (beschränkter Zugriff)

Für Ihren IP-Bereich sind aktuell keine Volltexte freigegeben.

Volltexte (frei zugänglich)

Es sind keine frei zugänglichen Volltexte in PuRe verfügbar

Ergänzendes Material (frei zugänglich)

Es sind keine frei zugänglichen Ergänzenden Materialien verfügbar

Zitation

Lacquaniti, M., Sias, G., Cannas, B., Fanni, A., Maraschek, M., Gude, A., et al. (2021). Machine learning approach for operational phases identification in H-mode density limit disruptions. Poster presented at 47th EPS Conference on Plasma Physics, Virtual.

Zitierlink: https://hdl.handle.net/21.11116/0000-0008-C7D6-6

Zusammenfassung

Es ist keine Zusammenfassung verfügbar