Resumen

La fusión nuclear es el proceso por el cual dos o más núcleos atómicos se unen para formar un único núcleo más pesado. Esto suele ir acompañado de la liberación de grandes cantidades de energía. Esta energía podría ser más barata, más limpia y más segura que otras tecnologías actualmente en uso. Los experimentos en fusión nuclear generan una gran cantidad de señales que se almacenan en enormes bases de datos. Es imposible realizar un análisis completo de estos datos de forma manual, por lo que es esencial automatizar este proceso. Es por eso que en años anteriores se han utilizado modelos de aprendizaje automático con este fin. En la literatura, se pueden encontrar varios algoritmos populares para llevar a cabo la clasificación automática de señales. Entre ellos, los métodos de conjunto ofrecen un buen equilibrio entre la tasa de éxito y la información interna sobre los modelos. Específicamente, el algoritmo AdaBoost permitirá obtener un conjunto explícito de reglas que explique la clase para cada dato de entrada, agregando interpretabilidad a los modelos

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Fusión nuclear; Energía; Modelos de aprendizaje automático; Señales; Métodos de conjunto; Algoritmo AdaBoost
• Keywords:Nuclear fusion; Energy; Machine learning models; Signals; Ensemble methods; AdaBoost algorithm