- Standort
-
Deutsche Nationalbibliothek Frankfurt am Main
- Umfang
-
Online-Ressource
- Sprache
-
Englisch
- Anmerkungen
-
In: 10.23967/eccomas.2022.004
- Ereignis
-
Veröffentlichung
- (wo)
-
Aachen
- (wer)
-
Universitätsbibliothek der RWTH Aachen
- (wann)
-
2022
- Urheber
- DOI
-
10.18154/RWTH-2023-00262
- URN
-
urn:nbn:de:101:1-2023051801342818041366
- Rechteinformation
-
Der Zugriff auf das Objekt ist unbeschränkt möglich.
- Letzte Aktualisierung
-
14.08.2025, 10:54 MESZ
Datenpartner
Dieses Objekt wird bereitgestellt von:
Deutsche Nationalbibliothek. Bei Fragen zum Objekt wenden Sie sich bitte an den Datenpartner.
Deutsche Nationalbibliothek. Bei Fragen zum Objekt wenden Sie sich bitte an den Datenpartner.
Beteiligte
- Behr, Marek
- Vogt, Felix
- Reese, Stefanie
- Manjunatha, Kiran
- Universitätsbibliothek der RWTH Aachen
Entstanden
- 2022
Ähnliche Objekte (12)
Deep learning‐based surrogate modeling of coronary in‐stent restenosis
A continuum chemo‐mechano‐biological model for in‐stent restenosis with consideration of hemodynamic effects
Deep learning‐based surrogate modeling of coronary in‐stent restenosis
Fast simulation of coronary in‐stent restenosis: A non‐intrusive data‐driven reduced order surrogate model
Data-driven reduced order surrogate modeling for coronary in-stent restenosis
Fast simulation of coronary in‐stent restenosis: A non‐intrusive data‐driven reduced order surrogate model
Theorie und Numerik des Stabilitätsverhaltens hyperelastischer Festkörper
Model development and optimal design for heart assist devices : [89. Sitzung vom 17. April 2013 in Düsseldorf]
Multiphysics modeling of manufacturing and failure processes
Multiphysics modeling of polymers and metals : experimental and numerical investigations
Thermomechanische Modellierung gummiartiger Polymerstrukturen
Towards the Optimization of Injection Molding Processes
Deep learning‐based surrogate modeling of coronary in‐stent restenosis
A continuum chemo‐mechano‐biological model for in‐stent restenosis with consideration of hemodynamic effects
Deep learning‐based surrogate modeling of coronary in‐stent restenosis
Fast simulation of coronary in‐stent restenosis: A non‐intrusive data‐driven reduced order surrogate model
Data-driven reduced order surrogate modeling for coronary in-stent restenosis
Fast simulation of coronary in‐stent restenosis: A non‐intrusive data‐driven reduced order surrogate model
Theorie und Numerik des Stabilitätsverhaltens hyperelastischer Festkörper
Model development and optimal design for heart assist devices : [89. Sitzung vom 17. April 2013 in Düsseldorf]
Multiphysics modeling of manufacturing and failure processes
Multiphysics modeling of polymers and metals : experimental and numerical investigations
Thermomechanische Modellierung gummiartiger Polymerstrukturen
Towards the Optimization of Injection Molding Processes
Deep learning‐based surrogate modeling of coronary in‐stent restenosis
A continuum chemo‐mechano‐biological model for in‐stent restenosis with consideration of hemodynamic effects
Deep learning‐based surrogate modeling of coronary in‐stent restenosis
Fast simulation of coronary in‐stent restenosis: A non‐intrusive data‐driven reduced order surrogate model
Data-driven reduced order surrogate modeling for coronary in-stent restenosis
Fast simulation of coronary in‐stent restenosis: A non‐intrusive data‐driven reduced order surrogate model
Theorie und Numerik des Stabilitätsverhaltens hyperelastischer Festkörper
Model development and optimal design for heart assist devices : [89. Sitzung vom 17. April 2013 in Düsseldorf]
Multiphysics modeling of manufacturing and failure processes
Multiphysics modeling of polymers and metals : experimental and numerical investigations
Thermomechanische Modellierung gummiartiger Polymerstrukturen