Data driven and physics based methods to assess the mechanical response of advanced materials: from experiments to efficient predictions

CIAMPAGLIA, ALBERTO
2023

10-nov-2023
Inglese
machine learning; composite; additive; characterization; modelling; multiscale
PAOLINO, DAVIDE SALVATORE
Politecnico di Torino
207
File in questo prodotto:
File Dimensione Formato  
conv_phd_thesis_ciampaglia_v11.pdf

accesso aperto

Dimensione 7.91 MB
Formato Adobe PDF
7.91 MB Adobe PDF Visualizza/Apri
conv_phd_thesis_ciampaglia_v11_-_abstract.pdf

accesso aperto

Dimensione 235.24 kB
Formato Adobe PDF
235.24 kB Adobe PDF Visualizza/Apri

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14242/170001
Il codice NBN di questa tesi è URN:NBN:IT:POLITO-170001