Zobrazeno 1 - 10
of 280
pro vyhledávání: '"A Netzelmann"'
Autor:
Udo Netzelmann
Publikováno v:
Applied Sciences, Vol 13, Iss 6, p 3565 (2023)
The one-dimensional propagation of electromagnetic waves and the propagation of the resulting thermal waves in conducting material are analysed in a coherent way. The heat release due to resistive losses has a static and an oscillating part. Both are
Externí odkaz:
https://doaj.org/article/85da7a1c9dd2440598d9ed178caa8d21
Publikováno v:
In NDT and E International June 2019 104:58-68
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Energies, Vol 15, Iss 3, p 831 (2022)
Single planar fuel cell elements consisting of metallic interconnectors that are bonded and sealed by a thin glass solder layer form the core of a solid oxide fuel cell. For reliable operation, the bonding layer has to adhere well and must be without
Externí odkaz:
https://doaj.org/article/738f66fbc2a443ac95f3791562f23b16
Publikováno v:
In NDT and E International October 2017 91:1-8
Autor:
Schladitz, Katja, Büter, Andreas, Godehardt, Michael, Wirjadi, Oliver, Fleckenstein, Johanna, Gerster, Tobias, Hassler, Ulf, Jaschek, Katrin, Maisl, Michael, Maisl, Ute, Mohr, Stefan, Netzelmann, Udo, Potyra, Tobias, Steinhauser, Martin O.
Publikováno v:
In Composite Structures 15 January 2017 160:195-203
Autor:
Zaiß, Marielouise, Jank, Merle-Hendrikje, Netzelmann, Udo, Waschkies, Thomas, Rabe, Ute, Herrmann, Hans-Georg, Thompson, Michael, Lanza, Gisela
Publikováno v:
In Procedia CIRP 2017 62:33-38
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Proceedings of the 2022 International Conference on Quantitative InfraRed Thermography.
Deep learning holds on the assumption that the data trained on come from the same data distribution. While continual learning is a revolving branch in deep learning which allows to break this assumption, it tries to infer novel tasks by not forgettin
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::f4097b31f5eaffe3b4ff0e0231ae7607
https://doi.org/10.21611/qirt.2022.3016
https://doi.org/10.21611/qirt.2022.3016