TU Darmstadt / ULB / TUbiblio

Deep feature learning of in-cylinder flow fields to analyze cycle-to-cycle variations in an SI engine

Dreher, Daniel ; Schmidt, Marius ; Welch, Cooper ; Ourza, Sara ; Zündorf, Samuel ; Maucher, Johannes ; Peters, Steven ; Dreizler, Andreas ; Böhm, Benjamin ; Hanuschkin, Alexander (2020)
Deep feature learning of in-cylinder flow fields to analyze cycle-to-cycle variations in an SI engine.
In: International Journal of Engine Research, 22 (11)
doi: 10.1177/1468087420974148
Artikel, Bibliographie

Dies ist die neueste Version dieses Eintrags.

Typ des Eintrags: Artikel
Erschienen: 2020
Autor(en): Dreher, Daniel ; Schmidt, Marius ; Welch, Cooper ; Ourza, Sara ; Zündorf, Samuel ; Maucher, Johannes ; Peters, Steven ; Dreizler, Andreas ; Böhm, Benjamin ; Hanuschkin, Alexander
Art des Eintrags: Bibliographie
Titel: Deep feature learning of in-cylinder flow fields to analyze cycle-to-cycle variations in an SI engine
Sprache: Englisch
Publikationsjahr: 4 Dezember 2020
Verlag: Sage Publications
Titel der Zeitschrift, Zeitung oder Schriftenreihe: International Journal of Engine Research
Jahrgang/Volume einer Zeitschrift: 22
(Heft-)Nummer: 11
DOI: 10.1177/1468087420974148
Zugehörige Links:
Fachbereich(e)/-gebiet(e): 16 Fachbereich Maschinenbau
16 Fachbereich Maschinenbau > Fachgebiet Fahrzeugtechnik (FZD)
16 Fachbereich Maschinenbau > Fachgebiet Reaktive Strömungen und Messtechnik (RSM)
Hinterlegungsdatum: 02 Sep 2022 06:14
Letzte Änderung: 29 Nov 2023 06:14
PPN:
Export:
Suche nach Titel in: TUfind oder in Google

Verfügbare Versionen dieses Eintrags

Frage zum Eintrag Frage zum Eintrag

Optionen (nur für Redakteure)
Redaktionelle Details anzeigen Redaktionelle Details anzeigen