h1

h2

h3

h4

h5
h6
http://join2-wiki.gsi.de/foswiki/pub/Main/Artwork/join2_logo100x88.png

Evaluating Post-Hoc Explainable AI Methods for a Multitask-CNN in Sensor-Based Quality Monitoring of Comminuted Construction and Demolition Waste

; ;

In
Preprints 2026, Seiten/Artikel-Nr.:X

ImpressumBasel : MDPI AG

ISSN2310-287X

This is a preprint of a manuscript currently under revision at the MDPI Journal "Machine Learning and Knowledge Extraction (MAKE)"

Online
DOI: 10.20944/preprints202610.1844.v1


Einrichtungen

  1. Lehrstuhl für Anthropogene Stoffkreisläufe und Institut für Aufbereitung, Kokerei und Brikettierung (512110)
  2. Fachgruppe für Rohstoffe und Entsorgungstechnik (510000)

Projekte

  1. BMBF 2WDG1693D - KI-basierte Prozesssteuerung und automatisiertes Qualitätsmanagement im Recycling von Bau- und Abbruchabfällen durch sensorbasiertes Inline-Monitoring von Korngrößenverteilungen (KIMBA) (2WDG1693D) (2WDG1693D)


Dokumenttyp
Preprint

Format
online

Sprache
English

Anmerkung
No peer reviewed article

Interne Identnummern
RWTH-2026-09930
Datensatz-ID: 1044937

Lizenzstatus der Zeitschrift

 GO

NCBI Molecular Biology Database
QR Code for this record

The record appears in these collections:
Dokumenttypen > Andere Dokumenttypen > Preprints
Fakultät für Georessourcen und Materialtechnik (Fak.5) > Fachgruppe für Rohstoffe und Entsorgungstechnik
Öffentliche Einträge
512110
510000
Im Druck
 Datensatz erzeugt am 2026-10-21, letzte Änderung am 2026-10-30
Ähnliche Datensätze



Dieses Dokument bewerten:

Rate this document:
1
2
3
4
5
 
(Bisher nicht rezensiert)