Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
Zur Ablage hinzufügen
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  Machine Learning for Ionic Liquid Toxicity Prediction

Wang, Z., Song, Z., & Zhou, T. (2021). Machine Learning for Ionic Liquid Toxicity Prediction. Processes, 9(1): 65. doi:10.3390/pr9010065.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/21.11116/0000-0007-DD26-6 Versions-Permalink: https://hdl.handle.net/21.11116/0000-0009-569C-7
Genre: Zeitschriftenartikel

Dateien

einblenden: Dateien
ausblenden: Dateien
:
wang_3282009.pdf (Verlagsversion), 3MB
Öffnen   Speichern
Datei-Permalink:
https://hdl.handle.net/21.11116/0000-0007-DD28-4
Name:
wang_3282009.pdf
Beschreibung:
-
OA-Status:
Sichtbarkeit:
Öffentlich
MIME-Typ / Prüfsumme:
application/pdf / [MD5]
Technische Metadaten:
Öffnen
Copyright Datum:
-
Copyright Info:
Copyright: © 2020 by the authors. Licensee MDPI, Basel, Switzerland. This article is an open access article distributed under the terms and conditions of the Creative Commons Attribution (CC BY) license
Lizenz:
https://creativecommons.org/licenses/by/4.0/

Externe Referenzen

einblenden:

Urheber

einblenden:
ausblenden:
 Urheber:
Wang, Zihao1, Autor           
Song, Zhen2, Autor
Zhou, Teng1, 2, Autor           
Affiliations:
1Process Systems Engineering, Max Planck Institute for Dynamics of Complex Technical Systems, Max Planck Society, ou_1738151              
2Otto-von-Guericke-Universität Magdeburg, External Organizations, ou_1738156              

Inhalt

einblenden:

Details

einblenden:
ausblenden:
Sprache(n): eng - English
 Datum: 2021
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: Expertenbegutachtung
 Identifikatoren: DOI: 10.3390/pr9010065
Anderer: pubdata_escidoc:3282009
 Art des Abschluß: -

Veranstaltung

einblenden:

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: Processes
Genre der Quelle: Zeitschrift
 Urheber:
Affiliations:
Ort, Verlag, Ausgabe: -
Seiten: - Band / Heft: 9 (1) Artikelnummer: 65 Start- / Endseite: - Identifikator: ISSN: 2227-9717