1 - 10 из 113Размер страницы: 10
Сортировать по:: Год публикации
  1. 2023

  2. BRANN forecast of superalloy tensile strength versus Larson–Miller parameter relation and its approximation by a sigmoidal function

    Tarasov, D., Tyagunov, A. & Milder, O., 15 нояб. 2023, в: Mathematical Methods in the Applied Sciences. 46, 16, стр. 16401-16414 14 стр.

    Результаты исследований: Вклад в журнал › Материалы конференции › Рецензирование

  3. Introducing the lab-space density

    Vavilova, K. V., Tarasova, T. D. & Milder, O., 2023, в: AIP Conference Proceedings. 2849, 1, 190010.

    Результаты исследований: Вклад в журнал › Материалы конференции › Рецензирование

  4. ДИФФУЗИОННАЯ МОДЕЛЬ ЭВОЛЮЦИИ КЛАСТЕРА В МЕТАЛЛИЧЕСКОМ РАСПЛАВЕ ЖАРОПРОЧНОГО НИКЕЛЕВОГО СПЛАВА

    Тягунов, А. Г., Зейде, К. М., Мильдер, О. Б. & Тарасов, Д. А., 2023, в: Математическое моделирование и численные методы. 2 (38), стр. 3-32 30 стр.

    Результаты исследований: Вклад в журнал › Статья › Рецензирование

  5. ПРОГНОЗНЫЙ РАСЧЕТ ЖАРОПРОЧНОСТИ НИКЕЛЕВЫХ СПЛАВОВ НА НЕПОЛНЫХ ДАННЫХ

    Тягунов, А. Г., Мильдер, О. Б. & Тарасов, Д. А., 2023, в: Авиационные двигатели. 4 (21), стр. 31-38 8 стр.

    Результаты исследований: Вклад в журнал › Статья › Рецензирование

  6. Статистические методы в системах управления качеством (в полиграфии): учебное пособие

    Арапов, С. Ю., Сергеев, А. П., Арапова, С. П., Мильдер, О. Б. (ред.) & Мартюшев, Л. М., 2023, Екатеринбург: Издательство Уральского университета. 184 стр.

    Результаты исследований: Книга/отчет › Учебное издание › Рецензирование

  7. СТРУКТУРНЫЕ ИЗМЕНЕНИЯ РАСПЛАВА ЖАРОПРОЧНОГО НИКЕЛЕВОГО СПЛАВА КАК ФАЗОВЫЙ ПЕРЕХОД ВТОРОГО РОДА

    Мильдер, О. Б., Тарасов, Д. А., Тягунов, А. Г., Цепелев, В. С., Вьюхин, В. В., Левонян, А. Л. & Аношина, О. В., 2023, в: Известия высших учебных заведений. Черная металлургия. 66, 5, стр. 564-570 7 стр.

    Результаты исследований: Вклад в журнал › Статья › Рецензирование

  8. 2022

  9. Simulation of the nickel superalloys solvus temperature by the deep learning artificial neural network with differential layer

    Tarasov, D., Tyagunov, A. & Milder, O., 23 нояб. 2022, International Conference of Computational Methods in Sciences and Engineering, ICCMSE 2021. Simos, T., Simos, T., Simos, T., Tsitouras, C., Kalogiratou, Z. & Monovasilis, T. (ред.). American Institute of Physics Inc., 130008. (AIP Conference Proceedings; том 2611).

    Результаты исследований: Глава в книге, отчете, сборнике статей › Материалы конференции › Рецензирование

  10. A method of tone reproduction curves computation by means of gradation trajectories in the form of Bézier curves

    Tarasov, D. & Milder, O., окт. 2022, в: Mathematical Methods in the Applied Sciences. 45, 15, стр. 8940-8947 8 стр.

    Результаты исследований: Вклад в журнал › Статья › Рецензирование

  11. Determining the ideal initial printing colorants in electrophotography by the discrete gradation trajectories

    Tarasov, D. A. & Milder, O. B., окт. 2022, в: Mathematical Methods in the Applied Sciences. 45, 15, стр. 8899-8905 7 стр.

    Результаты исследований: Вклад в журнал › Статья › Рецензирование

  12. Modeling the influence of the composition of refractory elements on the heat resistance of nickel alloys by a deep learning artificial neural network

    Tarasov, D. A., Milder, O. B. & Tiagunov, A. G., окт. 2022, в: Mathematical Methods in the Applied Sciences. 45, 15, стр. 8809-8818 10 стр.

    Результаты исследований: Вклад в журнал › Статья › Рецензирование

Назад 1 2 3 4 5 6 7 8 ...12 Далее

ID: 97897