The use of neural network algorithms for predicting minor and major disruptions in tokamaks is explored by analysing disruption data from the TEXT tokamak with two network architectures. Future values of the fluctuating magnetic signal are predicted based on L past values of the magnetic fluctuation signal measured by a single Mirnov coil. The time step used (=0.04 ms) corresponds to the experimental data sampling rate. Two kinds of approach are adopted for the network: the contiguous future prediction and the multi-time-scale prediction. Both networks are trained through the back-propagation algorithm with inertial terms and the strengths of the results are compared. The use of additional diamagnetic signals as a method of increasing the performance is suggested. The degree of success indicates that the magnetic fluctuations associated with the TEXT disruption data may be characterized by a low dimensional dynamical system
トカマクにおける小規模および大規模ディスラプションを予測するためのニューラルネットワークアルゴリズムの使用を、TEXTトカマクからのディスラプションデータを2つのネットワークアーキテクチャで解析することにより探求する。変動する磁気信号の将来値は、単一のミルノフコイルによって測定された磁気変動信号のL個の過去値に基づいて予測される。使用される時間ステップ（=0.04 ms）は、実験データのサンプリングレートに対応する。ネットワークには2種類のアプローチが採用される：連続将来予測と多時間スケール予測である。両方のネットワークは慣性項を伴う逆伝播アルゴリズムを用いて訓練され、その結果の強みが比較される。性能を向上させる方法として、追加のダイアモンド信号の使用が提案される。成功の度合いは、TEXTディスラプションデータに関連する磁気変動が低次元の力学系によって特徴付けられ得ることを示している。