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

Publicité

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

Auteur(s): 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)
Médium: article de revue
Langue(s): anglais
Publié dans: Structural Health Monitoring
DOI: 10.1177/14759217241279095
Structurae ne peut pas vous offrir cette publication en texte intégral pour l'instant. Le texte intégral est accessible chez l'éditeur. DOI: 10.1177/14759217241279095.
  • Informations
    sur cette fiche
  • Reference-ID
    10806181
  • Publié(e) le:
    10.11.2024
  • Modifié(e) le:
    10.11.2024
 
Structurae coopère avec
International Association for Bridge and Structural Engineering (IABSE)
e-mosty Magazine
e-BrIM Magazine