Buchumschlag

Stochastic machine learning modeling for the estimation of some uncertain parameters. Case study: Retardation factor in a radionuclide transport model

Gespeichert in:

Bibliographische Detailangaben
Datum:	2022
Hauptverfasser:	Yamani M. El, S. Lazaar
Format:	Artikel
Sprache:	Englisch
Veröffentlicht:	2022
Schriftenreihe:	Mathematical Modeling and Computing
Online Zugang:	http://jnas.nbuv.gov.ua/article/UJRN-0001371158
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:	Library portal of National Academy of Sciences of Ukraine \| LibNAS

Institution

Library portal of National Academy of Sciences of Ukraine | LibNAS

Ähnliche Einträge

The three-point approximations for a distribution function of uncertain parameter to estimate technical and economic indicators relevant for stochastic modeling
von: V. O. Kostiuk
Veröffentlicht: (2016)

The three-point approximations for a distribution function of uncertain parameter to estimate technical and economic indicators relevant for stochastic modeling
von: Kostiuk V.O.
Veröffentlicht: (2016)

Development of financial models under partial uncertain
von: N. Kuznetsov
Veröffentlicht: (2014)

Using Machine Learning Methods to Estimate the Cost of Housing
von: V. V. Tretynyk, et al.
Veröffentlicht: (2021)

Mathematical modeling of vertical migration of radionuclides in catalytic porous envirounment in the nonlinear case
von: A. P. Vlasiuk, et al.
Veröffentlicht: (2015)

Parallel modeling of sediment and radionuclide transport in rivers on multiprocessor systems and graphics processors
von: Sorokin, Maksym, et al.
Veröffentlicht: (2025)

Some Frameworks for Big Data Analytics and Machine Learning
von: A. A. Ursatev
Veröffentlicht: (2016)

On Quantitative Analysis of Certain Model of Transport Machines
von: A. A. Martynjuk, et al.
Veröffentlicht: (2018)

A generic model of the information and decisional chain using Machine Learning based assistance in a manufacturing context
von: I. Mallouk, et al.
Veröffentlicht: (2023)

Parallel software auto-tuning using statistical modeling and machine learning
von: Doroshenko, А.Yu., et al.
Veröffentlicht: (2018)

Parallel software auto-tuning using statistical modeling and machine learning
von: Yu. Doroshenko, et al.
Veröffentlicht: (2018)

A decentralized model to ensure traceability and sustainability of the food supply chain by combining blockchain, IoT, and machine learning
von: K. Addou, et al.
Veröffentlicht: (2023)

Application of machine learning models to predict energy consumption in smart home systems
von: Haidukevych, V.O., et al.
Veröffentlicht: (2025)

Learning reduced models for motion estimation on ocean satellite images
von: Herlin, I., et al.
Veröffentlicht: (2011)

An estimation accuracy of state observers under uncertain initial conditions
von: A. O. Lozynskyy, et al.
Veröffentlicht: (2019)

Comparative analysis of machine learning models for forecasting COVID-19 spreading in different countries
von: N. I. Nedashkivska, et al.
Veröffentlicht: (2020)

A machine learning approach to the Berezinskii-Kosterlitz-Thouless transition in classical and quantum models
von: Richter-Laskowska, M., et al.
Veröffentlicht: (2018)

E-Learning Models Analysis for Lifelong Learning
von: Synytsya, K.M.
Veröffentlicht: (2017)

E-Learning Models Analysis for Lifelong Learning
von: E. M. Sinitsa
Veröffentlicht: (2017)

Multispheroidal model of magnetic field of uncertain extended energy-saturated technical object
von: Kuznetsov, B. I., et al.
Veröffentlicht: (2025)

Developing a semantic image model using machine learning based on convolutional neural networks
von: P. I. Andon, et al.
Veröffentlicht: (2020)

Developing a semantic image model using machine learning based on convolutional neural networks
von: Andon, P.I., et al.
Veröffentlicht: (2020)

Machine learning methods for environmental monitoring
von: P. V. Mikava, et al.
Veröffentlicht: (2024)

Who is a subject in machine learning?
von: V. M. Loktiev
Veröffentlicht: (2024)

ALMA: Machine learning breastfeeding chatbot
von: K. Achtaich, et al.
Veröffentlicht: (2023)

Distributed Bayesian machine learning procedures
von: B. A. Beletskij
Veröffentlicht: (2019)

Using machine learning methods in practice
von: Ya. O. Tupalo
Veröffentlicht: (2018)

On some technology of project modeling of stochastic manufacturing technological processes
von: Maksimey, I.V., et al.
Veröffentlicht: (2015)

About the stability of Takagi–Sugeno uncertain singularly perturbed systems. The case of stable subsystems
von: A. S. Khoroshun
Veröffentlicht: (2014)

Minimax deviation strategies for machine learning and recognition with short learning samples
von: M. I. Schlesinger, et al.
Veröffentlicht: (2022)

Analysis and modeling of meteorological conditions for the transport of radionuclides during periods of forest fires and dust windstorms in the Chornobyl exclusion zone
von: T. D. Lev, et al.
Veröffentlicht: (2022)

The Stochastic Models of the Vibration Signals and Their Analysis for the Mechanical Systems State Estimation
von: I. N. Javorskij, et al.
Veröffentlicht: (2015)

Robust model to control level of phosphorus pollution by agriculture under uncertain weather conditions
von: M. S. Dunaievskyi
Veröffentlicht: (2018)

IMPLEMENTING OF MICROSOFT AZURE MACHINE LEARNING TECHNOLOGY FOR ELECTRIC MACHINES OPTIMIZATION
von: Pliugin, V. E., et al.
Veröffentlicht: (2019)

Implementing of Microsoft Azure machine learning technology for electric machines optimization
von: Pliuhin, V., et al.
Veröffentlicht: (2019)

Horizontal and Vertical Scalability of Machine Learning Methods
von: Biletskyy, B.O.
Veröffentlicht: (2019)

Analysis of fundus images based on machine learning
von: O. V. Karas, et al.
Veröffentlicht: (2024)

Application of machine learning in software engineering: an overview
von: Moroz, O.H., et al.
Veröffentlicht: (2019)

Horizontal and vertical scalability of machine learning methods
von: B. O. Biletskyi
Veröffentlicht: (2019)

Application of machine learning in software engineering: an overview
von: O. G. Moroz, et al.
Veröffentlicht: (2019)