Vytisknout
0560556 - ÚFM 2023 RIV NL eng J - Článek v odborném periodiku
Khalaj, O. - Ghobadi, M. - Zarezadeh, A. - Saebnoori, E. - Jirková, H. - Chocholaty, O. - Svoboda, Jiří
Potential role of machine learning techniques for modeling the hardness of OPH steels.
Materials Today Communications. Roč. 26, MAR (2021), č. článku 101806. ISSN 2352-4928. E-ISSN 2352-4928
Grant CEP: GA ČR(CZ) GA17-01641S
Institucionální podpora: RVO:68081723
Klíčová slova: Oxide Precipitation Hardened (OPH) steels * Hardness * Heat treatment * Artificial neural network (ANN) * anfis * Fe-Al-O
Obor OECD: Materials engineering
Impakt faktor: 3.662, rok: 2021
Způsob publikování: Omezený přístup
https://www.sciencedirect.com/science/article/pii/S2352492820328178?via%3Dihub
Trvalý link: https://hdl.handle.net/11104/0333426
Khalaj, O. - Ghobadi, M. - Zarezadeh, A. - Saebnoori, E. - Jirková, H. - Chocholaty, O. - Svoboda, Jiří
Potential role of machine learning techniques for modeling the hardness of OPH steels.
Materials Today Communications. Roč. 26, MAR (2021), č. článku 101806. ISSN 2352-4928. E-ISSN 2352-4928
Grant CEP: GA ČR(CZ) GA17-01641S
Institucionální podpora: RVO:68081723
Klíčová slova: Oxide Precipitation Hardened (OPH) steels * Hardness * Heat treatment * Artificial neural network (ANN) * anfis * Fe-Al-O
Obor OECD: Materials engineering
Impakt faktor: 3.662, rok: 2021
Způsob publikování: Omezený přístup
https://www.sciencedirect.com/science/article/pii/S2352492820328178?via%3Dihub
Trvalý link: https://hdl.handle.net/11104/0333426