Fonte: Applied Sciences. Unidade: FZEA
Assuntos: APRENDIZADO COMPUTACIONAL, REDES NEURAIS, MATERIAIS DE CONSTRUÇÃO, SUSTENTABILIDADE
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MAHAMAT, Assia Aboubakar et al. Machine learning approaches for prediction of the compressive strength of alkali activated termite mound soil. Applied Sciences, v. 11, n. 11, p. 1-13, 2021Tradução . . Disponível em: https://doi.org/10.3390/app11114754. Acesso em: 27 ago. 2024.APA
Mahamat, A. A., Boukar, M. M., Ibrahim, N. M., Stanislas, T. T., Bih, N. L., Obianyo, I. I., & Savastano Júnior, H. (2021). Machine learning approaches for prediction of the compressive strength of alkali activated termite mound soil. Applied Sciences, 11( 11), 1-13. doi:10.3390/app11114754NLM
Mahamat AA, Boukar MM, Ibrahim NM, Stanislas TT, Bih NL, Obianyo II, Savastano Júnior H. Machine learning approaches for prediction of the compressive strength of alkali activated termite mound soil [Internet]. Applied Sciences. 2021 ; 11( 11): 1-13.[citado 2024 ago. 27 ] Available from: https://doi.org/10.3390/app11114754Vancouver
Mahamat AA, Boukar MM, Ibrahim NM, Stanislas TT, Bih NL, Obianyo II, Savastano Júnior H. Machine learning approaches for prediction of the compressive strength of alkali activated termite mound soil [Internet]. Applied Sciences. 2021 ; 11( 11): 1-13.[citado 2024 ago. 27 ] Available from: https://doi.org/10.3390/app11114754