Kopieren Löschen Diese Publikation zur Ablage hinzufügen
Community-Eintrag
Versionsverlauf dieses Eintrags
URL
DOI
BibTeX
EndNote
APA
Chicago
DIN 1505
Harvard
MSOffice XML

Predicting the compressive strength of concrete up to 28 days-ahead: Comparison of machine learning algorithms on benchmark datasets

F. Rezazadeh, und A. Kroll. 32. Workshop Computational Intelligence, Seite 53-75. GMA-FA 5.14, KIT Scientific Publishing, (1.-2. December 2022)

Links und Ressourcen

URL:

https://doi.org/10.5445/KSP/1000151141

BibTeX-Schlüssel:

RezazadehGMACI2022

Suchen auf:

Kommentare und Rezensionen
(0)

Es gibt bisher keine Rezension oder Kommentar. Sie können eine schreiben!

Zitieren Sie diese Publikation

%0 Conference Paper
%1 RezazadehGMACI2022
%A Rezazadeh, Farzad
%A Kroll, Andreas
%B 32. Workshop Computational Intelligence
%D 2022
%I KIT Scientific Publishing
%K isac-www
%P 53-75
%R 10.5445/KSP/1000151141
%T Predicting the compressive strength of concrete up to 28 days-ahead: Comparison of machine learning algorithms on benchmark datasets
%U https://doi.org/10.5445/KSP/1000151141

PUMA

Links und Ressourcen

Kommentare und Rezensionen
(0)

Tags

Zitieren Sie diese Publikation

Metadaten

Community

Tags (@00987301s Tags hervorgehoben)

PUMA

KopierenLöschenDiese Publikation zur Ablage hinzufügenCommunity-EintragVersionsverlauf dieses EintragsURLDOIBibTeXEndNoteAPAChicagoDIN 1505HarvardMSOffice XML Predicting the compressive strength of concrete up to 28 days-ahead: Comparison of machine learning algorithms on benchmark datasets

Links und Ressourcen

Kommentare und Rezensionen (0)

Tags

Zitieren Sie diese Publikation

Metadaten

Community

Tags (@00987301s Tags hervorgehoben)

Kommentare und Rezensionen
(0)