Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Mishra, Akshansh" wg kryterium: Autor


Wyświetlanie 1-6 z 6
Tytuł:
Artificial Intelligence Algorithms for the Analysis of Mechanical Property of Friction Stir Welded Joints by using Python Programming
Algorytmy sztucznej inteligencji do analizy właściwości mechanicznych połączeń zgrzewanych tarciowo z przemieszaniem przy użyciu programowania w języku Python
Autorzy:
Mishra, Akshansh
Tematy:
uczenie maszynowe
sieć neuronowa sztuczna
drzewo decyzyjne
optymalizacja
zgrzewanie tarciowe z przemieszaniem
machine learning
artificial neural network
decision tree
optimization
friction stir welding
Pokaż więcej
Data publikacji:
2020
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Local binary pattern defect recognition approach for the friction stir welded AA 1200 and AA 6061-T6 aluminum alloy
Autorzy:
Mishra, Akshansh
Tematy:
local binary patterns
friction stir welding
machine learning
surface defects
lokalne wzorce binarne
zgrzewanie tarciowe z mieszaniem materiału
zgrzewanie tarciowe z przemieszaniem
FSW
uczenie maszynowe
wady powierzchni
Pokaż więcej
Data publikacji:
2020
Wydawca:
Politechnika Koszalińska. Wydawnictwo Uczelniane
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Deep Convolutional Neural Network Algorithm for Prediction of the Mechanical Properties of FSW Copper Welds from its Microstructure
Autorzy:
Mishra, Akshansh
Suman, Asmita
Data publikacji:
2023
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Regression modeling and neural computing for predicting the ultimate tensile strength of friction stir welded aerospace aluminium alloy
Autorzy:
Mishra, Akshansh
Vance, Jonathan Ve
Tematy:
artificial neural networks
regression model
friction stir welding
sztuczne sieci neuronowe
model regresji
zgrzewanie tarciowe
Pokaż więcej
Data publikacji:
2019
Wydawca:
Politechnika Koszalińska. Wydawnictwo Uczelniane
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-6 z 6

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies