Physics-informed dual architecture neural networks for enhanced estimation of drilling dynamics - Pôle Systèmes Accéder directement au contenu
Communication Dans Un Congrès Année : 2024

Physics-informed dual architecture neural networks for enhanced estimation of drilling dynamics

Domaines

Sciences de l'information et de la communication Géophysique [physics.geo-ph] Machine Learning [stat.ML]
Fichier principal
Vignette du fichier
IGARSS_2024-3.pdf (2.7 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Jean AURIOL  : Connectez-vous pour contacter le contributeur

https://hal.science/hal-04621467

Soumis le : lundi 24 juin 2024-10:09:31

Dernière modification le : mercredi 3 juillet 2024-12:14:36

Télécharger pour visualiser

Dates et versions

hal-04621467 , version 1 (24-06-2024)

Identifiants

  • HAL Id : hal-04621467 , version 1

Citer

Jeanne Redaud, Maxime Darrin, Nasser Kazemi Nojadeh, Jean Auriol. Physics-informed dual architecture neural networks for enhanced estimation of drilling dynamics. 2024 IEEE International Geoscience and Remote Sensing Symposium, Jul 2024, Athens, France. ⟨hal-04621467⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

CNRS SUP_LSS SUP_SYSTEMES CENTRALESUPELEC UNIV-PARIS-SACLAY GS-COMPUTER-SCIENCE GS-SPORT-HUMAN-MOVEMENT ILLS
0 Consultations
0 Téléchargements

Partager

Gmail Mastodon Facebook X LinkedIn More