Poster (Scientific congresses and symposiums)
Neural-Network-Based Identification of Material Law Parameters for Fast and Accurate Simulations of Electrical Machines in Periodic Regime
Purnode, Florent; Henrotte, François; Louppe, Gilles et al.
2023EMF 2023
 

Files


Full Text
main.pdf
Author postprint (2.07 MB)
Download

All documents in ORBi are protected by a user license.

Send to



Details



Disciplines :
Electrical & electronics engineering
Materials science & engineering
Author, co-author :
Purnode, Florent ;  Université de Liège - ULiège > Montefiore Institute of Electrical Engineering and Computer Science
Henrotte, François  ;  Université de Liège - ULiège > Département d'électricité, électronique et informatique (Institut Montefiore) > Applied and Computational Electromagnetics (ACE)
Louppe, Gilles  ;  Université de Liège - ULiège > Département d'électricité, électronique et informatique (Institut Montefiore) > Big Data
Geuzaine, Christophe  ;  Université de Liège - ULiège > Département d'électricité, électronique et informatique (Institut Montefiore) > Applied and Computational Electromagnetics (ACE)
Language :
English
Title :
Neural-Network-Based Identification of Material Law Parameters for Fast and Accurate Simulations of Electrical Machines in Periodic Regime
Publication date :
30 August 2023
Event name :
EMF 2023
Event organizer :
Université de Liège
Association des Ingénieurs de Montefiore
Aix Marseille Université
Event place :
Marseille, France
Event date :
du 29 aout 2023 au 31 aout 2023
Audience :
International
Available on ORBi :
since 29 February 2024

Statistics


Number of views
23 (6 by ULiège)
Number of downloads
15 (1 by ULiège)

Bibliography


Similar publications



Contact ORBi