Interpretation and characterization of MILD combustion data using unsupervised clustering informed by physics-based, domain expertise

Recherche avancée | Historique de recherche Mon DI-fusion | À propos de DI-fusion | Contact |

Référence Combustion and flame, 240, 111954
Publication Publié, 2022-01-12

Article révisé par les pairs

Fichier(s) déposé(s) par l'encodeur

A new index for the comparative evaluation of combustion local low-dimensional manifolds
par Savarese, Matteo , Jung, Ki Sung , Dave, Himanshu , Chen, Jacqueline J.H. , Parente, Alessandro
Publication 2024-07-01
Data-driven models and digital twins for sustainable combustion technologies
par Parente, Alessandro , Swaminathan, Nedunchezhian
Publication 2024-04
Machine Learning and Its Application to Reacting Flows:ML and Combustion
par Swaminathan, Nedunchezhian , Parente, Alessandro
Publication 2023-01-01
Thermodiffusively unstable laminar hydrogen flame in a sufficiently large 3D computational domain – Part II: NOx formation mechanism and flamelet modeling
par Wen, Xu , Berger, Lukas , Cai, Liming , Parente, Alessandro , Pitsch, Heinz
Publication 2024-07
A data-driven, physics-informed framework for sub-grid combustion closure using artificial neural network.
par Iavarone, Salvatore , Pequin, Arthur , Swaminathan, Nedunchezhian , Parente, Alessandro
Publication 2023-01

Référencement	Visibilité	Pérennité	Facilité
Les publications encodées constituent la bibliographie académique de l'Université.	Les documents déposés sont indexés par les moteurs de recherche (Google Scholar,…).	Les documents déposés en open-access sont archivés au sein du réseau de préservation SAFE-PLN (www.safepln.org).	Les listes de publications sont compatibles avec le CV-ULB, le FNRS et accessibles sur le web.