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)

URL

Suchen auf

Diese Publikation wurde noch nicht bewertet.

Bewertungsverteilung

Durchschnittliche Benutzerbewertung0,0 von 5.0 auf Grundlage von 0 Rezensionen

Bitte melden Sie sich an um selbst Rezensionen oder Kommentare zu erstellen.

%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

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)

Tags

Nutzer

Kommentare und Rezensionen

Zitieren Sie diese Publikation

PUMA

Predicting the compressive strength of concrete up to 28 days-ahead: Comparison of machine learning algorithms on benchmark datasetsF. Rezazadeh, und A. Kroll. 32. Workshop Computational Intelligence, Seite 53-75. GMA-FA 5.14, KIT Scientific Publishing, (1.-2. December 2022)

Tags

Nutzer

Kommentare und Rezensionen

Zitieren Sie diese Publikation

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)