Hybrid Machine Learning Techniques and Computational Mechanics: Estimating the Dynamic Behavior of Oxide Precipitation Hardened Steel

Počet záznamů: 1

1.

SYSNO	0551587
Název	Hybrid Machine Learning Techniques and Computational Mechanics: Estimating the Dynamic Behavior of Oxide Precipitation Hardened Steel
Tvůrce(i)	Khalaj, O. (CZ) Jamshidi, M. (CZ) Saebnoori, E. (IR) Mašek, B. (CZ) Stadler, C. (CZ) Svoboda, Jiří (UFM-A)_{RID, ORCID}
Zdroj.dok.	IEEE Access. Roč. 9, neuvedeno (2021), s. 156930-156946. - : Institute of Electrical and Electronics Engineers
Druh dok.	Článek v odborném periodiku
Grant	GX21-02203X GA ČR - Grantová agentura ČR
Institucionální podpora	UFM-A - RVO:68081723
Jazyk dok.	eng
Země vyd.	US
Klíč.slova	oxide precipitation hardened (OPH) steels * tensile strength * artificial neural network (ANN)
URL	https://ieeexplore.ieee.org/document/9620029
Trvalý link	http://hdl.handle.net/11104/0328275

Počet záznamů: 1