Multi-output machine learning models for kinetic data evaluation : A Fischer–Tropsch synthesis case study - CNRS - Centre national de la recherche scientifique Accéder directement au contenu
Article Dans Une Revue Chemical Engineering Journal Année : 2022

Multi-output machine learning models for kinetic data evaluation : A Fischer–Tropsch synthesis case study

Fichier principal
Vignette du fichier
A. Chakkingal et al manuscript_CEJ.pdf (6.58 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03863277 , version 1 (25-11-2022)

Identifiants

Citer

Anoop Chakkingal, Pieter Janssens, Jeroen Poissonnier, Mirella Virginie, Andrei Khodakov, et al.. Multi-output machine learning models for kinetic data evaluation : A Fischer–Tropsch synthesis case study. Chemical Engineering Journal, 2022, 446, pp.137186. ⟨10.1016/j.cej.2022.137186⟩. ⟨hal-03863277⟩
29 Consultations
152 Téléchargements

Altmetric

Partager

Gmail Facebook X LinkedIn More