本地资源档案 · PKL / PyTorch Checkpoints / NumPy

TokaMark等离子体诊断鲁棒性模型集

TokaMark Plasma Diagnostic Robustness Checkpoints

基于MAST托卡马克诊断数据训练的模型检查点集合，用于比较XGBoost、LSTM、Transformer和CNN在传感器缺失与信号异常条件下的预测表现。

ONLINE PREVIEW

资源内容预览

查看资源范围、发布机构、版本、格式和关键技术标签，再进入完整资源或下载本地档案。

本地档案结构化在线预览

发布机构TokaMark Robustness Research Project

资源版本2026

资源格式PKL / PyTorch Checkpoints / NumPy

最近核验2026-08-10

内容范围

基于MAST托卡马克诊断数据训练的模型检查点集合，用于比较XGBoost、LSTM、Transformer和CNN在传感器缺失与信号异常条件下的预测表现。

TokaMarkMAST诊断鲁棒性传感器故障模型检查点

RESOURCE OVERVIEW

基于MAST托卡马克诊断数据训练的模型检查点集合，用于比较XGBoost、LSTM、Transformer和CNN在传感器缺失与信号异常条件下的预测表现。

发布机构TokaMark Robustness Research Project

资源格式PKL / PyTorch Checkpoints / NumPy

当前版本2026

使用条件MIT；数据文件以资源页说明为准

最近核验2026-08-10

来源类型开放资源库

FILES & VERSIONS

1 个文件

JSON

本地资源档案tokamark-sensor-robustness-checkpoints.json本地档案 · catalog-2026-08-10

AI APPLICATION METADATA

数据或内容范围包含XGBoost、LSTM、Transformer和TokaMark CNN四类已训练检查点，以及对应测试数据和结果文件。

适用AI任务诊断信号预测 · 传感器故障鲁棒性评估 · 破裂预警方法研究

验证用途用于在随机缺失、通道失效和临近破裂信号缺失等场景下复现实验并比较模型鲁棒性。

使用说明该资源用于研究与基准评测；警报时间和泛化表现不能直接视为装置运行部署能力。