Zobrazeno 1 - 10
of 76
pro vyhledávání: '"R. Narimani"'
Publikováno v:
Iranian Journal of Physics Research, Vol 6, Iss 1, Pp 45-48 (2006)
In this paper the Klein-Gordon and the Dirac Oscillators in a non-commutative space and in a constant magnetic field are investigated. It is shown that for a specific value of the magnetic field, one may map these oscillators from a non-commutative s
Externí odkaz:
https://doaj.org/article/fc009c4bc5924770980678c2754efcf3
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.
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:
R. Narimani, L. Farhoudi
Publikováno v:
Engineering, Technology & Applied Science Research, Vol 7, Iss 6 (2017)
The objective of this study is the design and implementation of a Quadrifilar Helix Antenna (QHA) for telemetry, tracking and control of a Low Earth Orbit (LEO) satellite. Because of its cardioid-shaped circularly polarized beam, QHA can satisfy requ
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.
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:
Computational Materials Science. 34:335-341
In this study, the prediction of flow stress in 304 stainless steel using artificial neural networks (ANN) has been investigated. Experimental data earlier deduced—by [S. Venugopal et al., Optimization of cold and warm workability in 304 stainless