标题 |
Enhancing precision in PANI/Gr nanocomposite design: robust machine learning models, outlier resilience, and molecular input insights for superior electrical conductivity and gas sensing performance
提高PANI/Gr纳米复合材料设计的精度:鲁棒的机器学习模型、异常值弹性和分子输入洞察,以获得卓越的电导率和气敏性能
相关领域
聚苯胺
纳米复合材料
石墨烯
弹性(材料科学)
离群值
材料科学
电导率
异常检测
电阻率和电导率
计算机科学
人工智能
生物系统
纳米技术
复合材料
聚合物
工程类
物理
电气工程
量子力学
聚合
生物
|
网址 | |
DOI | |
其它 |
期刊:Journal of materials chemistry. A, Materials for energy and sustainability 作者:Abir Boublia; Zahir Guezzout; N. Haddaoui; Michaël Badawi; Ahmad S. Darwish; et al 出版日期:2024-01-01 |
求助人 | |
下载 | 该求助完结已超 24 小时,文件已从服务器自动删除,无法下载。 |
温馨提示:该文献已被科研通 学术中心 收录,前往查看
科研通『学术中心』是文献索引库,收集文献的基本信息(如标题、摘要、期刊、作者、被引量等),不提供下载功能。如需下载文献全文,请通过文献求助获取。
|