English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Die Optimierung von Zerspanprozessen erfordert ein grundlegendes Verständnis des Werkzeugverschleißverhaltens. Um hierauf künstliche Intelligenzalgorithmen anlernen zu können, ist eine Auswahl an signifikanten und technisch relevanten Kennwerten notwendig. Diese Arbeit präsentiert eine Methode zur Datenselektion und -skalierung, um die Anwendungsanforderungen einer künstlichen Intelligenz zu erfüllen. Die entwickelte Lösung zeigt auf Basis reduzierter experimenteller Umfänge eine hohe Übereinstimmung mit den gemessenen Verschleißkennwerten.

at - automatisierungstechnik

Anwendung eines künstlichen Neuronalen Netzes zur Verschleißbestimmung von Zerspanwerkzeugen: KI-gerechte Datenaufbereitung zum Anlernen eines Neuronalen Netzwerks