Над 4 милиона заглавия на английски и други езици! Открийте новата си история още днес! Безплатна доставка за поръчки над 69.99€

Проверка на състоянието на поръчката

Станете част от общност от любители на книгите от цял свят и получавате много предимства. Създай на безплатен акаунт

Безплатна доставка със Еконт над 69.99 €

Куриер Speedy 3.49 € Пункт на Speedy 3.49 € ЕКОНТ 3.99 € Еконтомат/Офис на Еконт 3.99 € Ekont Box 3.99 € Sameday 3.99 € Sameday box 3.99 € Box Now 3.99 €

Контакт

Как се пазарува?

Помощ

Моят акаунт

▸ Празна :-(

Machine Learning Applied to Composite Materials

Name: Machine Learning Applied to Composite Materials
Brand: Springer, Berlin
SKU: 44429449
Price: 208.29 EUR
Availability: InStock
Author: Vinod Kushvaha
ISBN: 9789811962806

Език

Английски език

Книга С меки корици

Код Либристо: 44429449

Издателство Springer, Berlin, декември 2023

This book introduces the approach of Machine Learning (ML) based predictive models in the design of... Цялото описание

Код Либристо: 44429449

504 b

208.29 €

407.39 лв

Външен склад Изпращаме след 10-18 дни

До 30 дни за връщане на стоки

Клиентите са закупили също

Здоровье спины и суставов без лекарств. Как справиться с острыми и хроническими болями силами организма Сергей Бубновский

С твърди корици

17.57 € 34.37 лв

This book introduces the approach of Machine Learning (ML) based predictive models in the design of composite materials to achieve the required properties for certain applications. ML can learn from existing experimental data obtained from very limited number of experiments and subsequently can be trained to find solutions of the complex non-linear, multi-dimensional functional relationships without any prior assumptions about their nature. In this case the ML models can learn from existing experimental data obtained from (1) composite design based on various properties of the matrix material and fillers/reinforcements (2) material processing during fabrication (3) property relationships. Modelling of these relationships using ML methods significantly reduce the experimental work involved in designing new composites, and therefore offer a new avenue for material design and properties. The book caters to students, academics and researchers who are interested in the field of material composite modelling and design.