| 标题 |
 DeePore: A deep learning workflow for rapid and comprehensive characterization of porous materials DeePore：用于快速全面表征多孔材料的深度学习工作流程
相关领域
格子Boltzmann方法
工作流程
卷积神经网络
多孔性
多孔介质
人工智能
材料科学
深度学习
无量纲量
计算机科学
人工神经网络
近似误差
生物系统
计算科学
算法
机械
物理
复合材料
生物
数据库
|
| 网址 | |
| DOI | |
| 其它 |
期刊：Advances in Water Resources 作者：Arash Rabbani; Masoud Babaei; Reza Shams; Ying Da Wang; Traiwit Chung 出版日期：2020-10-08 |
| 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。
|
PDF的下载单位、IP信息已删除
(2025-6-4)
Criminology34
toutou
Ming
无极微光
GingerF
轨迹
traveller
寻道图强
CAOHOU
微微旺旺
呼啦啦啦
帝国之花
悦耳白山
Mufreh
跳跃
Claire_Xiang
Rita
苏木
abc
Hayat
NattyPoe
hhuajw
CipherSage
yuqian
皖公网安备34019202002308
