Zobrazeno 1 - 8
of 8
pro vyhledávání: '"Knoblauch, Ricardo"'
This paper presents an explainable machine learning (ML) approach for predicting surface roughness in milling. Utilizing a dataset from milling aluminum alloy 2017A, the study employs random forest regression models and feature importance techniques.
Externí odkaz:
http://arxiv.org/abs/2409.10203
This research presents a method that utilizes explainability techniques to amplify the performance of machine learning (ML) models in forecasting the quality of milling processes, as demonstrated in this paper through a manufacturing use case. The me
Externí odkaz:
http://arxiv.org/abs/2403.18731
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Knoblauch, Ricardo
Publikováno v:
Repositório Institucional da UFSCUniversidade Federal de Santa CatarinaUFSC.
Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Mecânica.
Made available in DSpace on 2012-10-26T12:12:12Z (GMT). No. of bitstreams: 1 302564.pdf: 7991962 bytes,
Made available in DSpace on 2012-10-26T12:12:12Z (GMT). No. of bitstreams: 1 302564.pdf: 7991962 bytes,
Externí odkaz:
http://repositorio.ufsc.br/xmlui/handle/123456789/96450
Autor:
Costa, Erick Cardoso, Xavier, Fabio Antonio, Knoblauch, Ricardo, Binder, Cristiano, Weingaertner, Walter Lindolfo
Publikováno v:
In Solar Energy 1 September 2020 207:640-650
Autor:
Knoblauch, Ricardo, Boing, Denis, Weingaertner, Walter Lindolfo, Wegener, Konrad, Kuster, Fredy, Xavier, Fabio Antonio
Publikováno v:
In Wear 15 November 2018 414-415:50-58
Publikováno v:
IFAC-PapersOnLine; January 2024, Vol. 58 Issue: 19 p43-48, 6p
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.