/eh/2025-01-08/173633966714069467/picture.png)
/eh/2024-12-24/173503345348979036/Favorite-Icon.png){kind=icon}
/eh/2025-07-08/1751962110204480194/picture.png)
/eh/2025-06-21/1750485478958537574/countryInfoIcon.png)
/eh/2025-06-21/1750485741321434291/Hi-Sign-in-My-Nihao.png)
/eh/2025-06-21/1750485837193896318/cart.png)
/eh/2025-06-21/1750485968202533847/cart.png)
/eh/2025-04-17/1744862476612819675/hot-img.png)
/eh/2025-11-07/1762504524550532584/header-icon.jpg){kind=icon}
/eh/2025-07-07/1751875582852206790/header-icon.png){kind=icon}
/eh/2025-07-07/1751875587886277738/header-icon.png){kind=icon}
Best in 7 days
20% OFF shipping at neumaticosmexico.com on orders over $79 + up to 10% OFF products
download picture
description
978-3-95900-255-4Einsatz maschineller Lernverfahren zur lebenszyklusbasierten Energieprognose fr Werkzeugmaschinen Autor: Karl Doreth ISBN: 978 3 95900 255 4 Dissertation, Leibniz Universitt Hannover, 2019 Herausgeber der Reihe: Berend Denkena Band Nr.: IFW 4 2019 Umfang: 143 Seiten, 74 Abbildungen Schlagworte: Energieeffizienz, Werkzeugmaschinen, Support Vector Machine, maschinelles Lernen Kurzfassung: Steigende Energiekosten machen den Energieverbrauch von
Shopping security
product description
Why choose thelockerguy wholesale?
Einsatz maschineller Lernverfahren zur lebenszyklusbasierten Energieprognose für Werkzeugmaschinen
Autor: Karl Doreth
ISBN: 978-3-95900-255-4
Dissertation, Leibniz Universität Hannover, 2019
Herausgeber der Reihe: Berend Denkena
Band-Nr.: IFW 4/2019
Umfang: 143 Seiten, 74 Abbildungen
Schlagworte: Energieeffizienz, Werkzeugmaschinen, Support Vector Machine, maschinelles Lernen
Kurzfassung:
Steigende Energiekosten machen den Energieverbrauch von Werkzeugmaschinen zu einem Wettbewerbsfaktor für produzierende Unternehmen und für Hersteller von Werkzeugmaschinen. Da die Energieeffizienz einer Maschine in der Auslegungsphase determiniert wird, müssen Lösungen bereitgestellt werden, um den Energieverbrauch von Werkzeugmaschinen in dieser Phase zu prognostizieren und in dessen Folge reduzieren zu können. Hierzu wurde im Rahmen dieser Arbeit eine Methode entwickelt, die auf den folgenden Aspekten aufbaut:
- Nutzung empirischer Verbrauchsdaten aus bestehenden Produktionsmaschinen.
- Verwendung maschineller Lernverfahren, wie der Support Vector Machine.
- Praktikabilität und zielgerichtete Informationsdarstellung.
978-3-95900-255-4
Item no
:
93872951250
US$ 40.00
Pay in 4 interest-free payments of $10.00 Learn more
Min. order:
1piece
Shipping Estimate
USA
- USA
- CAN
- USA
- CAN
Ships within 48 hours · Estimated delivery Jul 21 - Jul 26
US$40
Get nowSign up to your membership to get coupons up to
15%
Get nowOpportunity to enjoy order discount up to 15% off
Please add the products
Shipping Notes
- Free Standard Shipping on $100+ Orders to the USA.
- Except Preorder products are shipped in 48 hours.
- Delivery to the USA:
- Standard Shipping : 3-10 business days
- If time is of the essence, please consider selecting expedited delivery for faster service.
Exchange/Return Notes
- We offer a 30-day return/exchange service after receiving.
- Final sale items are not eligible for returns or exchanges.
- To process your return/exchange, please contact us at [email protected]
- Please click here for more details>>> Return & Exchange Policy
Discover Niche Categories That Outsell
Top-Converting Item to Boost Your Average Order
Best in 7 days
Best in 7 days
Best in 7 days
Best in 7 days
recommand products
