Scalable Machine Learning to Analyze Rocket Combustion Data

Rüttgers, Alexander und Petrarolo, Anna (2023) Scalable Machine Learning to Analyze Rocket Combustion Data. SIAM Conference on Computational Science and Engineering (CSE23), 26. Feb. - 03. März 2023, Amsterdam, Niederlande.

PDF
2MB

elib-URL des Eintrags:

https://elib.dlr.de/194559/

Dokumentart:

Konferenzbeitrag (Vortrag)

Titel:

Scalable Machine Learning to Analyze Rocket Combustion Data

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Rüttgers, Alexander	Alexander.Ruettgers (at) dlr.de	https://orcid.org/0000-0001-6347-9272	NICHT SPEZIFIZIERT
Petrarolo, Anna	Anna.Petrarolo (at) dlr.de	https://orcid.org/0000-0002-2291-2874	NICHT SPEZIFIZIERT

Datum:

März 2023

Referierte Publikation:

Open Access:

Gold Open Access:

Nein

In SCOPUS:

Nein

In ISI Web of Science:

Nein

Status:

veröffentlicht

Stichwörter:

machine learning, high-performance data analytics, anomaly detection, rocket combustion

Veranstaltungstitel:

SIAM Conference on Computational Science and Engineering (CSE23)

Veranstaltungsort:

Amsterdam, Niederlande

Veranstaltungsart:

internationale Konferenz

Veranstaltungsdatum:

26. Feb. - 03. März 2023

HGF - Forschungsbereich:

Luftfahrt, Raumfahrt und Verkehr

HGF - Programm:

Raumfahrt

HGF - Programmthema:

Technik für Raumfahrtsysteme

DLR - Schwerpunkt:

Raumfahrt

DLR - Forschungsgebiet:

R SY - Technik für Raumfahrtsysteme

DLR - Teilgebiet (Projekt, Vorhaben):

R - Aufgaben SISTEC

Standort:

Köln-Porz

Institute & Einrichtungen:

Institut für Softwaretechnologie
Institut für Softwaretechnologie > High-Performance Computing
Institut für Raumfahrtantriebe > Satelliten- und Orbitalantriebe

Hinterlegt von:

Rüttgers, Dr. Alexander

Hinterlegt am:

17 Apr 2023 10:09

Letzte Änderung:

17 Apr 2023 10:09

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags