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

Publicité

Non-parametric empirical machine learning for short-term and long-term structural health monitoring

Auteur(s): ORCID (Department of Civil and Environmental Engineering, Politecnico di Milano, Milano, Italy)
ORCID (Department of Civil Engineering, Faculty of Engineering, Ferdowsi University of Mashhad, Mashhad, Iran)
(Department of Civil and Environmental Engineering, Politecnico di Milano, Milano, Italy)
Médium: article de revue
Langue(s): anglais
Publié dans: Structural Health Monitoring, , n. 6, v. 21
Page(s): 147592172110698
DOI: 10.1177/14759217211069842
Structurae ne peut pas vous offrir cette publication en texte intégral pour l'instant. Le texte intégral est accessible chez l'éditeur. DOI: 10.1177/14759217211069842.
  • Informations
    sur cette fiche
  • Reference-ID
    10662028
  • Publié(e) le:
    28.03.2022
  • Modifié(e) le:
    10.12.2022
 
Structurae coopère avec
International Association for Bridge and Structural Engineering (IABSE)
e-mosty Magazine
e-BrIM Magazine