Aller au contenu principal
2025 conference-paper

A Machine Learning Classifier for Optimizing Materials and Energy Efficiency in Infrastructure

0Citations signalées, ce qui n’est pas une note de qualité
4Institutions déclarées
1Pays d’affiliation déclarés

Rattachement africain : us. Niveau de preuve : code pays fourni par la source.

Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
A Machine Learning Classifier for Optimizing Materials and Energy Efficiency in Infrastructure
Date Crossref
22/11/2025
Éditeur
Springer Nature Switzerland
Type
book-chapter

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

  • American University Department of Business Administration pays non établi dans la notice
    Université ou école supérieure
  • International American University pays non établi dans la notice
    Université ou école supérieure
  • Westcliff University Department of Business Administration pays non établi dans la notice
    Université ou école supérieure
  • Trine University Department of Science in Business Analytics pays non établi dans la notice
    Université ou école supérieure

Department of Business Administration — American University, International American University et Department of Business Administration — Westcliff University, avec 1 autre affiliation.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Infrastructure Maintenance and MonitoringSmart Materials for ConstructionEnvironmental Impact and Sustainability

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.