0
  • DE
  • EN
  • FR
  • Internationale Datenbank und Galerie für Ingenieurbauwerke

Anzeige

Predicting the degree of rubber rupture damage using a GAN-enhanced Bayesian-optimized 1DCNN network

Autor(en): ORCID (MOE Key Laboratory of Deep Earth Science and Engineering, College of Architecture and Environment, Sichuan University, Chengdu, China)
(MOE Key Laboratory of Deep Earth Science and Engineering, College of Architecture and Environment, Sichuan University, Chengdu, China)
(MOE Key Laboratory of Deep Earth Science and Engineering, College of Architecture and Environment, Sichuan University, Chengdu, China)
(Chengdu Fourth Construction Engineering of CDCEG, Chengdu, China)
(Chengdu Fourth Construction Engineering of CDCEG, Chengdu, China)
ORCID (MOE Key Laboratory of Deep Earth Science and Engineering, College of Architecture and Environment, Sichuan University, Chengdu, China)
Medium: Fachartikel
Sprache(n): Englisch
Veröffentlicht in: Structural Health Monitoring
DOI: 10.1177/14759217241279095
Structurae kann Ihnen derzeit diese Veröffentlichung nicht im Volltext zur Verfügung stellen. Der Volltext ist beim Verlag erhältlich über die DOI: 10.1177/14759217241279095.
  • Über diese
    Datenseite
  • Reference-ID
    10806181
  • Veröffentlicht am:
    10.11.2024
  • Geändert am:
    10.11.2024
 
Structurae kooperiert mit
International Association for Bridge and Structural Engineering (IABSE)
e-mosty Magazine
e-BrIM Magazine