...
机译:预测PE / TiO_2纳米复合材料介电常数的机器学习方法
Department of Mechanical Engineering College of Engineering Prince Mohammad Bin Fahd University P.O. Box 1664 AI Khobar 31952 Kingdom of Saudi Arabia;
Polymer; TiO_2; nanocomposites; ball milling; dielectric properties; artificial neural networks (ANNs);
机译:预测环氧铝纳米复合材料介电常数的神经网络模型及其实验验证
机译:基于机器学习的过程监控方法预测加工工具磨损
机译:一种机器学习模型,用于预测基于支持向量机算法方法的CO_2和原油系统最小混溶性压力
机译:机器学习方法预测PE / TiO_2纳米复合材料的介电常数
机译:有限元和机器学习相结合的方法来预测正交加工中的特定切削力和最高刀具温度
机译:建筑设施预测维护:基于机器学习的方法
机译:Δ机器学习潜在能量表面:一种PIP方法,使基于DFT的PES对CCSD(T)理论水平