Titel |
Deep feature learning of in-cylinder flow fields to analyze cycle-to-cycle variations in an SI engine / Daniel Dreher, Marius Schmidt, Cooper Welch, Sara Ourza, Samuel Zündorf, Johannes Maucher, Steven Peters, Andreas Dreizler, Benjamin Böhm, Alexander Hanuschkin |
|---|---|
Beteiligt |
Daniel Dreher (Verfasser)
Marius Schmidt (Verfasser) Cooper Welch (Verfasser) Sara Ourza (Verfasser)
Samuel Zündorf (Verfasser)
Johannes Maucher (Verfasser) Steven Peters (Verfasser) Andreas Dreizler (Verfasser) Benjamin Böhm (Verfasser) Alexander Hanuschkin (Verfasser) |
Erschienen |
Darmstadt: Universitäts- und Landesbibliothek |
Umfang |
Online-Ressource |
Sprache |
|
Land |
|
Themengebiet |
|
Thema |
Deep learning
machine learning feature analysis particle image velocimetry
in-cylinder flow
cycle-to-cycle variations IC engine |
DDC-Notation |
|
Persistent Identifier |
urn:nbn:de:tuda-tuprints-201798 (URN) |
Weitere Angaben |
In: International Journal of Engine Research, 22, (11), SAGE Publications, ISSN 1468-0874 |
Datensatz-ID |
1318918626 |
Hinweis
Die Betaversion beinhaltet noch nicht alle Funktionen und Informationen des Katalogs des DNB-Portals. Falls Sie Informationen vermissen oder ein Medium bestellen wollen, besuchen Sie bitte die entsprechende Seite im Katalog des DNB-Portals über folgenden Link: