Neural-fuzzy machine learning approach for the fatigue-creep reliability modeling of SAC305 solder joints

Standort
Deutsche Nationalbibliothek Frankfurt am Main
Umfang
Online-Ressource, 1 online resource.
Sprache
Englisch

Erschienen in
Neural-fuzzy machine learning approach for the fatigue-creep reliability modeling of SAC305 solder joints ; volume:13 ; number:1 ; day:26 ; month:5 ; year:2023 ; pages:1-19 ; date:12.2023
Scientific reports ; 13, Heft 1 (26.5.2023), 1-19, 12.2023

Klassifikation
Ingenieurwissenschaften und Maschinenbau

Urheber
Bani Hani, Dania
Al Athamneh, Raed
Abueed, Mohammed
Hamasha, Sa’d
Beteiligte Personen und Organisationen
SpringerLink (Online service)

DOI
10.1038/s41598-023-32460-4
URN
urn:nbn:de:101:1-2023091108274469682672
Rechteinformation
Open Access; Der Zugriff auf das Objekt ist unbeschränkt möglich.
Letzte Aktualisierung
14.08.2025, 10:51 MESZ

Datenpartner

Dieses Objekt wird bereitgestellt von:
Deutsche Nationalbibliothek. Bei Fragen zum Objekt wenden Sie sich bitte an den Datenpartner.

Beteiligte

  • Bani Hani, Dania
  • Al Athamneh, Raed
  • Abueed, Mohammed
  • Hamasha, Sa’d
  • SpringerLink (Online service)

Ähnliche Objekte (12)