1 - 10 out of 107Page size: 10
  1. 2023

  2. BRANN forecast of superalloy tensile strength versus Larson–Miller parameter relation and its approximation by a sigmoidal function

    Tarasov, D., Tyagunov, A. & Milder, O., 15 Nov 2023, In: Mathematical Methods in the Applied Sciences. 46, 16, p. 16401-16414 14 p.

    Research output: Contribution to journal › Conference article › peer-review

  3. ДИФФУЗИОННАЯ МОДЕЛЬ ЭВОЛЮЦИИ КЛАСТЕРА В МЕТАЛЛИЧЕСКОМ РАСПЛАВЕ ЖАРОПРОЧНОГО НИКЕЛЕВОГО СПЛАВА

    Тягунов, А. Г., Зейде, К. М., Мильдер, О. Б. & Тарасов, Д. А., 2023, In: Математическое моделирование и численные методы. 2 (38), p. 3-32 30 p.

    Research output: Contribution to journal › Article › peer-review

  4. Издательское дело в примерах и задачах : практикум: учебное пособие

    Плотникова, И. Ю., Климова, О. В., Тарасов, Д. А., Тягунов, А. Г. (ed.) & Гнюсова, И. Ф., 2023, Екатеринбург: Издательство Уральского университета. 252 p.

    Research output: Book/Report › Scholarly edition › peer-review

  5. ПРОГНОЗНЫЙ РАСЧЕТ ЖАРОПРОЧНОСТИ НИКЕЛЕВЫХ СПЛАВОВ НА НЕПОЛНЫХ ДАННЫХ

    Тягунов, А. Г., Мильдер, О. Б. & Тарасов, Д. А., 2023, In: Авиационные двигатели. 4 (21), p. 31-38 8 p.

    Research output: Contribution to journal › Article › peer-review

  6. СТРУКТУРНЫЕ ИЗМЕНЕНИЯ РАСПЛАВА ЖАРОПРОЧНОГО НИКЕЛЕВОГО СПЛАВА КАК ФАЗОВЫЙ ПЕРЕХОД ВТОРОГО РОДА

    Мильдер, О. Б., Тарасов, Д. А., Тягунов, А. Г., Цепелев, В. С., Вьюхин, В. В., Левонян, А. Л. & Аношина, О. В., 2023, In: Известия высших учебных заведений. Черная металлургия. 66, 5, p. 564-570 7 p.

    Research output: Contribution to journal › Article › peer-review

  7. 2022

  8. Simulation of the nickel superalloys solvus temperature by the deep learning artificial neural network with differential layer

    Tarasov, D., Tyagunov, A. & Milder, O., 23 Nov 2022, International Conference of Computational Methods in Sciences and Engineering, ICCMSE 2021. Simos, T., Simos, T., Simos, T., Tsitouras, C., Kalogiratou, Z. & Monovasilis, T. (eds.). American Institute of Physics Inc., 130008. (AIP Conference Proceedings; vol. 2611).

    Research output: Chapter in Book/Report/Conference proceeding › Conference contribution › peer-review

  9. Modeling the influence of the composition of refractory elements on the heat resistance of nickel alloys by a deep learning artificial neural network

    Tarasov, D. A., Milder, O. B. & Tiagunov, A. G., Oct 2022, In: Mathematical Methods in the Applied Sciences. 45, 15, p. 8809-8818 10 p.

    Research output: Contribution to journal › Article › peer-review

  10. Data Engineering, Framework Selection, and Individual Element Contribution Consideration in the Alloy Properties Modeling by an Artificial Neural Network

    Tarasov, D., Tyagunov, A. & Milder, O., 6 Apr 2022, International Conference on Numerical Analysis and Applied Mathematics, ICNAAM 2020. Simos, T. E., Simos, T. E., Simos, T. E., Simos, T. E. & Tsitouras, C. (eds.). American Institute of Physics Inc., 130018. (AIP Conference Proceedings; vol. 2425).

    Research output: Chapter in Book/Report/Conference proceeding › Conference contribution › peer-review

  11. Deep Learning in Superalloys Rupture Strength Simulation: Combining Different Test Results

    Tarasov, D., Tyagunov, A. & Milder, O., 6 Apr 2022, International Conference on Numerical Analysis and Applied Mathematics, ICNAAM 2020. Simos, T. E., Simos, T. E., Simos, T. E., Simos, T. E. & Tsitouras, C. (eds.). American Institute of Physics Inc., 130016. (AIP Conference Proceedings; vol. 2425).

    Research output: Chapter in Book/Report/Conference proceeding › Conference contribution › peer-review

  12. Method for Assessing the Structural Stability of Refractory Nickel Alloys Based on Determination of Parameter PS of Phase Stability

    Tyagunov, A. G., Tarasov, D. A., Milder, O. B. & Savin, G. O., 2022, In: Metal Science and Heat Treatment. 64, 1-2, p. 117-120 4 p.

    Research output: Contribution to journal › Article › peer-review

Previous 1 2 3 4 5 6 7 8 ...11 Next

ID: 92963