Košík

  1. 1.
    0541776 - ÚI 2022 RIV CH eng J - Článek v odborném periodiku
    Dropka, N. - Ecklebe, S. - Holeňa, Martin
    Real Time Predictions of VGF-GaAs Growth Dynamics by LSTM Neural Networks.
    Crystals. Roč. 11, č. 2 (2021), č. článku 138. ISSN 2073-4352. E-ISSN 2073-4352
    Grant CEP: GA ČR(CZ) GA18-18080S
    Institucionální podpora: RVO:67985807
    Klíčová slova: neural networks * crystal growth * GaAs * process control * digital twins
    Obor OECD: Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
    Impakt faktor: 2.670, rok: 2021
    Způsob publikování: Open access
    Trvalý link: http://hdl.handle.net/11104/0319303
    Název souboruStaženoVelikostKomentářVerzePřístup
    541776-aoa.pdf23.5 MBOA CC BY 4.0Vydavatelský postprintpovolen
     
     

  Tyto stránky využívají soubory cookies, které usnadňují jejich prohlížení. Další informace o tom jak používáme cookies.