Katalog der Deutschen Nationalbibliothek

Neuigkeiten

Leichte Bedienung, intuitive Suche: Die Betaversion unseres neuen Katalogs ist online! → Zur Betaversion des neuen DNB-Katalogs

 
Neuigkeiten Die Lesesäle für Geisteswissenschaften, Naturwissenschaften, der Alte Lesesaal Technik und der Anne-Frank-Shoah-Lesesaal in Leipzig schließen am 04.02.2026 wegen einer Veranstaltung bereits um 15 Uhr. Die weiteren Lesesäle sowie die Servicetheke sind zu den regulären Zeiten geöffnet. //
The humanities reading room, the natural science reading room, the old technology reading room and the reading room of the Anne-Frank-Shoah-Library will close at 15:00 on 4 February 2026 due to an event. The other reading rooms and the service desk will be open during regular hours.
 
 

Ergebnis der Suche nach: "{{{1}}}"

Zurück zur Trefferliste


Treffer 99062 von 15811126 < < > <



Online Ressourcen
Link zu diesem Datensatz https://d-nb.info/1380286018
Titel Application of Soft Computing Techniques in Geotechnical Engineering and Risk Analysis : Proceedings of the Indian Geotechnical Conference 2023 / edited by Priti Maheshwari, Alok Bhardwaj, Vishwas A . Sawant
Person(en) Maheshwari, Priti (Herausgeber)
Bhardwaj, Alok (Herausgeber)
Sawant, Vishwas A (Herausgeber)
Organisation(en) SpringerLink (Online service) (Sonstige)
Ausgabe 1st ed. 2025
Verlag Singapore : Springer Nature Singapore, Imprint: Springer
Zeitliche Einordnung Erscheinungsdatum: 2025
Umfang/Format Online-Ressource, XII, 245 p. 126 illus., 116 illus. in color. : online resource.
Andere Ausgabe(n) Printed edition:: ISBN: 978-981-96-9528-7
Printed edition:: ISBN: 978-981-96-9530-0
Printed edition:: ISBN: 978-981-96-9531-7
Inhalt Artificial Intelligence Application in Geotechnical Engineering A Review -- Machine Learning Based Earthquake Prediction Model A Comparative Study of Time Series Analysis and Conventional Algorithms -- Prediction of the Critical Failure Surface and Factor of Safety of Finite Slopes Using Machine Learning Algorithms -- Comparing Machine Learning Techniques for Accurate Prediction of Unconfined Compressive Strength of Fine-Grained Soil -- Post event landslide detection using ResU Net model -- A Comparative Study for Predicting Standard Penetration Number Through ML Techniques
Persistent Identifier URN: urn:nbn:de:101:1-2510300319586.422802363650
DOI: 10.1007/978-981-96-9529-4
URL https://doi.org/10.1007/978-981-96-9529-4
ISBN/Einband/Preis 978-981-96-9529-4
Sprache(n) Englisch (eng)
Beziehungen Lecture Notes in Civil Engineering ; 715
DDC-Notation 624.151 (maschinell ermittelte DDC-Kurznotation)
Sachgruppe(n) 624 Ingenieurbau und Umwelttechnik

Online-Zugriff Archivobjekt öffnen




Treffer 99062 von 15811126
< < > <




Aktionen

Aktionen


E-Mail-IconKorrekturanfrage


E-Mail-IconAdministration