A physics-constrained machine-learning-enhanced nonlinear fitting model for normalized penetration depth of tungsten-alloy long rods into semi-infinite steel targets based on dimensionless groups
0Citations signalées, ce qui n’est pas une note de qualité
1Institutions déclarées
1Pays d’affiliation déclarés
Rattachement africain : cn. 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 physics-constrained machine-learning-enhanced nonlinear fitting model for normalized penetration depth of tungsten-alloy long rods into semi-infinite steel targets based on dimensionless groups
- Date Crossref
- 01/01/2027
- Éditeur
- Elsevier BV
- Type
- journal-article
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
-
Nanjing University of Science and Technology pays non établi dans la noticeUniversité ou école supérieure
-
School of Mechanical Engineering pays non établi dans la noticeUniversité ou école supérieure
Nanjing University of Science and Technology et School of Mechanical Engineering.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Machine Learning in Materials ScienceHigh-Velocity Impact and Material BehaviorWelding Techniques and Residual Stresses