Zobrazeno 1 - 10
of 463
pro vyhledávání: '"A. M. Erdem"'
Autor:
M. Erdem Kabadayı, Efe Erünal
Publikováno v:
Scientific Data, Vol 11, Iss 1, Pp 1-13 (2024)
Abstract In recent decades, the “big microdata revolution” has transformed access to transcribed historical census data for social science research. However, the population records of the Ottoman Empire, spanning Southeastern Europe, Western Asia
Externí odkaz:
https://doaj.org/article/3c5551a42e064170a5c142ba5163a513
Publikováno v:
In Journal of Environmental Management June 2024 360
Publikováno v:
Biofuel Research Journal, Vol 10, Iss 2, Pp 1859-1875 (2023)
In this work, machine learning (ML) applications in lignocellulosic bioethanol production were reviewed. First, the pretreatment-hydrolysis-fermentation route, the most commonly studied alternative, was summarized. Next, a bibliometric analysis was p
Externí odkaz:
https://doaj.org/article/e772137597bb419d90def7e42320abe2
Autor:
Aksöz, Zafer Yavuz1 (AUTHOR) zafer.aksoz@bilgi.edu.tr, Günay, M. Erdem1 (AUTHOR) erdem.gunay@bilgi.edu.tr, Aziz, Muhammad2 (AUTHOR) maziz@iis.u-tokyo.ac.jp, Tunç, K. M. Murat1 (AUTHOR) murat.tunc@bilgi.edu.tr
Publikováno v:
Energies (19961073). Mar2024, Vol. 17 Issue 6, p1380. 16p.
Smart paradigm to predict copper surface area of Cu/ZnO/Al2O3 catalyst based on synthesis parameters
Autor:
Saffary, Soheil, Rafiee, Mansoureh, Varnoosfaderani, Mohammadreza Saeidi, Günay, M. Erdem, Zendehboudi, Sohrab
Publikováno v:
In Chemical Engineering Research and Design March 2023 191:604-616
Publikováno v:
In Resources Policy January 2023 80
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
M. Erdem Günay, N. Alper Tapan
Publikováno v:
Energy and AI, Vol 13, Iss , Pp 100254- (2023)
In this work, as an extension of previous machine learning studies, three novel techniques, namely local interpretable model-agnostic explanations (LIME), neural network pattern recognition and association rule mining (ARM) were utilized for proton e
Externí odkaz:
https://doaj.org/article/247c8d0f5134430ba6f355776dded8a9