Using Machine Learning to Predict Synthetic Fuel Spray Penetration from Limited Experimental Data Without Computational Fluid Dynamics

Richards, Bryn ; Emekwuru, Nwabueze ; et al.

In: Energy and Sustainable Futures: Proceedings of the 3rd ICESF, 2022; (2023) S. 51-59

Online E-Book

Titel:	Using Machine Learning to Predict Synthetic Fuel Spray Penetration from Limited Experimental Data Without Computational Fluid Dynamics
Autor/in / Beteiligte Person:	Richards, Bryn ; Emekwuru, Nwabueze ; Rashid, Muhammad H., Series Editor ; Kolhe, Mohan Lal, Series Editor ; Nixon, Jonathan D. [Ed.] ; Al-Habaibeh, Amin [Ed.] ; Vukovic, Vladimir [Ed.] ; Asthana, Abhishek [Ed.]
Quelle:	Energy and Sustainable Futures: Proceedings of the 3rd ICESF, 2022; (2023) S. 51-59
Veröffentlichung:	2023
Medientyp:	E-Book
ISBN:	978-3-031-30959-5 (print) ; 978-3-031-30960-1 (print)
DOI:	10.1007/978-3-031-30960-1_6
Sonstiges:	Nachgewiesen in: Springer Nature eBooks

Klicken Sie ein Format an und speichern Sie dann die Daten oder geben Sie eine Empfänger-Adresse ein und lassen Sie sich per Email zusenden.

BibTeX Citavi, JabRef, u.a.
(Literaturverwaltung)

PDF kein Volltext!
(Merkzettel, Notizen)

RIS Endnote, Citavi u.a.
(Literaturverwaltung)

MODS
(XML zur Weiterverarbeitung)

oder

Wählen Sie das für Sie passende Zitationsformat und kopieren Sie es dann in die Zwischenablage, lassen es sich per Mail zusenden oder speichern es als PDF-Datei.

Gewünschter Zitations-Stil:

oder

Bitte prüfen Sie, ob die Zitation formal korrekt ist, bevor Sie sie in einer Arbeit verwenden. Benutzen Sie gegebenenfalls den "Exportieren"-Dialog, wenn Sie ein Literaturverwaltungsprogramm verwenden und die Zitat-Angaben selbst formatieren wollen.