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 нояб. 2023, в: Mathematical Methods in the Applied Sciences. 46, 16, стр. 16401-16414 14 стр.

    Результаты исследований: Вклад в журналМатериалы конференцииРецензирование

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

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

    Результаты исследований: Вклад в журналСтатьяРецензирование

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

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

    Результаты исследований: Книга/отчетУчебное изданиеРецензирование

  5. ПРОГНОЗНЫЙ РАСЧЕТ ЖАРОПРОЧНОСТИ НИКЕЛЕВЫХ СПЛАВОВ НА НЕПОЛНЫХ ДАННЫХ

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

    Результаты исследований: Вклад в журналСтатьяРецензирование

  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, в: Известия высших учебных заведений. Черная металлургия. 66, 5, стр. 564-570 7 стр.

    Результаты исследований: Вклад в журналСтатьяРецензирование

  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 нояб. 2022, International Conference of Computational Methods in Sciences and Engineering, ICCMSE 2021. Simos, T., Simos, T., Simos, T., Tsitouras, C., Kalogiratou, Z. & Monovasilis, T. (ред.). American Institute of Physics Inc., 130008. (AIP Conference Proceedings; том 2611).

    Результаты исследований: Глава в книге, отчете, сборнике статейМатериалы конференцииРецензирование

  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., окт. 2022, в: Mathematical Methods in the Applied Sciences. 45, 15, стр. 8809-8818 10 стр.

    Результаты исследований: Вклад в журналСтатьяРецензирование

  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 апр. 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. (ред.). American Institute of Physics Inc., 130018. (AIP Conference Proceedings; том 2425).

    Результаты исследований: Глава в книге, отчете, сборнике статейМатериалы конференцииРецензирование

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

    Tarasov, D., Tyagunov, A. & Milder, O., 6 апр. 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. (ред.). American Institute of Physics Inc., 130016. (AIP Conference Proceedings; том 2425).

    Результаты исследований: Глава в книге, отчете, сборнике статейМатериалы конференцииРецензирование

  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, в: Metal Science and Heat Treatment. 64, 1-2, стр. 117-120 4 стр.

    Результаты исследований: Вклад в журналСтатьяРецензирование

Назад 1 2 3 4 5 6 7 8 ...11 Далее

ID: 92963