Datensatz Zitierlink: 
http://hdl.handle.net/20.500.12708/193815
-
Titel: 
Feature engineering to improve classification in LIBS
en
Zitat: 
Gajarska, Z., Brunnbauer, L., Lohninger, J., & Limbeck, A. (2023). Feature engineering to improve classification in LIBS. In M. Marchetti-Deschmann, E. E. Rosenberg, & V. Weiss (Eds.), ANAKON 2023: Book of Abstracts (pp. 439–439). TU Wien.
-
Publikationstyp: 
Konferenzbeitrag - Beitrag in einem Abstract Book
de
Sprache: 
Englisch
-
Autor_innen: 
Gajarska, Zuzana 
Brunnbauer, Lukas 
Lohninger, Johann 
Limbeck, Andreas 
-
Organisations­einheit: 
E164-01-2 - Forschungsgruppe Oberflächen-, Spurenanalytik und Chemometrie 
-
Erschienen in: 
ANAKON 2023: Book of Abstracts 
-
ISBN: 
978-3-200-09056-9
-
Datum (veröffentlicht): 
11-Apr-2023
-
Veranstaltungs­name: 
ANAKON 2023 
en
Veranstaltungs­zeitraum: 
11-Apr-2023 - 14-Apr-2023
-
Veranstaltungs­ort: 
Wien, Österreich
-
Umfang: 
1
-
Verlag: 
TU Wien, Vienna
-
Keywords: 
LIBS; classification; chemometrics; machine learning
en
Forschungs­schwerpunkte: 
Materials Characterization: 100%
-
Wissenschafts­zweig: 
1040 - Chemie: 100%
-
Enthalten in den Sammlungen:
Conference Paper

Zur Langanzeige

Seiten Aufrufe

58
aufgerufen am 13.02.2024

Download(s)

2
aufgerufen am 13.02.2024

Google ScholarTM

Check