elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Towards a fully automated flux density prediction using data driven models

Pargmann, Max (2023) Towards a fully automated flux density prediction using data driven models. SFERA-III, 2023-09-11 - 2023-09-15, Köln, Deutschland.

[img] PDF
2MB

elib-URL des Eintrags:https://elib.dlr.de/197417/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Towards a fully automated flux density prediction using data driven models
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Pargmann, MaxMax.Pargmann (at) dlr.dehttps://orcid.org/0000-0002-4705-6285NICHT SPEZIFIZIERT
Datum:2023
Referierte Publikation:Nein
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Nein
In ISI Web of Science:Nein
Status:veröffentlicht
Stichwörter:Automatization, Machine Learning, Deep Learning, Neural Networks, Differentiable Ray Tracing, Data Driven Models, Solar Towers, Energy Generation
Veranstaltungstitel:SFERA-III
Veranstaltungsort:Köln, Deutschland
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:11 September 2023
Veranstaltungsende:15 September 2023
HGF - Forschungsbereich:Energie
HGF - Programm:Materialien und Technologien für die Energiewende
HGF - Programmthema:Thermische Hochtemperaturtechnologien
DLR - Schwerpunkt:Energie
DLR - Forschungsgebiet:E SW - Solar- und Windenergie
DLR - Teilgebiet (Projekt, Vorhaben):E - Intelligenter Betrieb
Standort: Köln-Porz
Institute & Einrichtungen:Institut für Solarforschung > Solare Kraftwerktechnik
Hinterlegt von: Pargmann, Max
Hinterlegt am:28 Sep 2023 12:38
Letzte Änderung:24 Apr 2024 20:57

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.