Results

eNauka >  Rezultati >  Machine learning techniques to estimate the degree of binder activity of reclaimed asphalt pavement
Naziv: Machine learning techniques to estimate the degree of binder activity of reclaimed asphalt pavement
Autori: Botella, Ramon; Lo Presti, Davide; Vasconcelos, Kamilla; Bernatowicz, Kinga; Martínez, Adriana; Miró, Rodrigo; Specht, Luciano; Arámbula Mercado, Edith; Menegusso Pires, Gustavo; Pasquini, Emiliano;
Ogbo, Chibuike; Preti, Francesco; Pasetto, Marco; Jiménez del Barco Carrión, Ana; Roberto, Antonio; Orešković, Marko  ; Kuna, Kranthi; Guduru, Gurunath; Epps Martin, Amy; Carter, Alan; Giancontieri, Gaspare; Abed, Ahmed; Dave, Eshan; Tebaldi, Gabriele;
Godina: 2022
Publikacija: Materials and Structures
ISSN: 1359-5997 Materials and Structures Pretraži identifikator
Izdavač: Springer
Tip rezultata: Naučni članak
Kolacija: vol. 55 br. 4 str. 112
DOI: 10.1617/s11527-022-01933-9
WoS-ID: 000782900700002
Scopus-ID: 2-s2.0-85128307771
URI: https://enauka.gov.rs/handle/123456789/419158
https://grafar.grf.bg.ac.rs/handle/123456789/2659
Projekat: Ministarstvo prosvete, nauke i tehnološkog razvoja Republike Srbije, Ugovor br. 200092 (Univerzitet u Beogradu, Građevinski fakultet) (RS-200092)
M-kategorija: 
21M21 - Vodeći međunarodni časopis kategorije M21

14
SCOPUSTM
1
OpenCitations
8
WEB OF SCIENCETM
Altmetric
Dimensions
Unpaywall

Items in eNauka are protected by copyright, with all rights reserved, unless otherwise indicated.