Przejdź do menu głównegoPrzejdź do wyszukiwarkiPrzejdź do zawartości
Logo DigiLab - Sterownia Agregatora Dorobku Naukowego
  • Strona główna
  • Predicting porosity, permeability, and tortuosity of porous media from images by deep learning

Opis

  • Tytuł: Predicting porosity, permeability, and tortuosity of porous media from images by deep learning
  • Tytuł czasopisma: Scientific Reports
  • Twórca: Graczyk, Krzysztof ; Matyka, Maciej
  • Strony: s. 1-11
  • Data wydania: 2020
  • Typ: Tekst
  • Identyfikator: ISSN 2045-2322 ; https://doi.org/10.1038/s41598-020-78415-x
  • Język publikacji: eng
  • Wersja Cyfrowa: https://doi.org/10.1038/s41598-020-78415-x
  • Licencja: CC BY
  • Szczegółowy typ obiektu: art
  • Typ obiektu: Artykuł
  • Tom/Wolumen/Zeszyt: Vol. 10, iss. 1 (2020), nr art. 21488

Agregator Dorobku Naukowego Uniwersytetu Wrocławskiego, tworzony jest przez Bibliotekę Uniwersytecką we Wrocławiu

Program Operacyjny Polska Cyfrowa
Rzeczpospolita Polska
Europejski Fundusz Rozwoju Regionalnego Unii Europejskiej
Biblioteka Uniwersytecka we Wrocławiu
Uniwersytet Wrocławski

Projekt pn. "Workflow do opracowania publikacji cyfrowych na uczelni" współfinansowany przez Unię Europejską z Europejskiego Funduszu Rozwoju Regionalnego

Używamy plików cookies, by nieustannie zwiększać komfort przeglądania naszej strony internetowej. W celu uzyskania szczegółowych informacji, prosimy o zapoznanie się z dokumentem Polityki Prywatności