Gast ::
Simplified ResNet approach for data driven prediction of microstructure-fatigue relationship
; ; ; ; ;
In
Mechanics of materials 151, Seiten/Artikel-Nr.:103625
2020
Online
DOI: 10.1016/j.mechmat.2020.103625
Einrichtungen
- Lehrstuhl für Werkstoffanwendungen im Maschinenbau (418110)
- Lehr- und Forschungsgebiet Mathematik (111920)
- Fachgruppe Mathematik (110000)
- Lehr- und Forschungsgebiet Mathematik (114620)
- Institut für Geometrie und Praktische Mathematik (111400)
- Internet of Production (080067)
Projekte
- WS-B1.I - Integrated Computational Materials Engineering (X080067-WS-B1.I) (X080067-WS-B1.I)
- PFSDS026 - Data science based wear prediction (EXS-PF-PFSDS026) (EXS-PF-PFSDS026)
- ERS Prep Fund - Exploratory Research Space: Prep Fund als Anschubfinanzierung zur Schließung strategischer Lücken (EXS-PF) (EXS-PF)
- DFG project 390621612 - EXC 2023: Internet of Production (IoP) (390621612) (390621612)
- EXS - Excellence Strategy (EXS) (EXS)
Thematische Einordnung (Klassifikation)
DDC: 550
Dokumenttyp
Journal Article
Format
online, print
Sprache
English
Anmerkung
Peer reviewed article
Externe Identnummern
SCOPUS: SCOPUS:2-s2.0-85093703330
WOS Core Collection: WOS:000600879300008
Interne Identnummern
RWTH-2021-01018
Datensatz-ID: 811193
Beteiligte Länder
Germany
Related:
Preprint
Simplified ResNet approach for data driven prediction of microstructure-fatigue relationship
[10.48550/ARXIV.2005.06615]
Fulltext by arXiv.org
BibTeX |
EndNote:
XML,
Text |
RIS
; Clarivate Analytics Master Journal List ; Current Contents - Engineering, Computing and Technology ; Ebsco Academic Search ; Essential Science Indicators ; IF < 5 ; IF < 5 ; JCR ; SCOPUS ; Science Citation Index Expanded ; Web of Science Core Collection
