0
  • DE
  • EN
  • FR
  • Base de données et galerie internationale d'ouvrages d'art et du génie civil

Publicité

Interpretable machine learning learns complex interactions of urban features to understand socio‐economic inequality

Auteur(s): (Zachry Department of Civil and Environmental Engineering Texas A&M University College Station Texas USA)
(Department of Computer Science and Engineering Texas A&M University College Station Texas USA)
(Department of Computer Science and Engineering Texas A&M University College Station Texas USA)
(Zachry Department of Civil and Environmental Engineering Texas A&M University College Station Texas USA)
Médium: article de revue
Langue(s): anglais
Publié dans: Computer-Aided Civil and Infrastructure Engineering, , n. 14, v. 38
Page(s): 2013-2029
DOI: 10.1111/mice.12972
Structurae ne peut pas vous offrir cette publication en texte intégral pour l'instant. Le texte intégral est accessible chez l'éditeur. DOI: 10.1111/mice.12972.
  • Informations
    sur cette fiche
  • Reference-ID
    10708786
  • Publié(e) le:
    21.03.2023
  • Modifié(e) le:
    02.09.2023
 
Structurae coopère avec
International Association for Bridge and Structural Engineering (IABSE)
e-mosty Magazine
e-BrIM Magazine