Radar mondial UDTR

UDTR — Radar mondial des droits de la Nature

Registre documentaire des références détectées à travers les infrastructures académiques, juridiques et institutionnelles surveillées par UDTR.

Une infrastructure documentaire mondiale conçue pour atteindre la couverture la plus large, vérifiable et scientifiquement défendable des droits de la Nature.

← Retour au Radar

Artificial neural network modeling for the prediction of viscosity of Ag–Fe3O4 ethylene glycol hybrid ferro-nanofluid with different regressors for regression operations

Identification

Clé publique
radar:r-a41b8c7fb94e1bb4381f151ce682ed99
Auteurs
Waqed H. Hassan · Ahmed Kateb Jumaah Al-Nussairi · Mohmood Alsaadi · Narinderjit Singh Sawaran Singh · Mahmud Zuhdi Mohd Nor · Albara Ibrahim Alrawashdeh · Mazen Garaleh · Soheil Salahshour
Année déclarée
2026
Langue déclarée
en
Type source
article
Première détection
2026-11-14T02:04:39.633500+00:00
Dernière observation des métadonnées
2026-11-14T02:04:39.633500+00:00
Dernière vérification HTTP
Non effectuée

Institutions déclarées par la source

University of Warith Al-Anbiyaa · University of Manara · University of Al Maarif · INTI International University · Prince Mohammad bin Fahd University · Tafila Technical University · University of Business and Technology · Piri Reis University · Khazar University · Bahçeşehir University · Okan University

Pays d’affiliation déclarés

AZ · IQ · JO · MY · SA · TR

Identifiants

OPENALEX
https://openalex.org/W7213337598
DOI
10.1007/s10973-026-16192-x

Repères documentaires

Famille documentaire
article
Types déclarés par les sources
article
Éditeurs
Springer Science+Business Media

Les mentions d’entités ne constituent pas une preuve de reconnaissance juridique. La juridiction étudiée est distincte du pays d’affiliation des auteurs.

Sources

OpenAlex · Document 1

Citer cette référence

Waqed H. Hassan; Ahmed Kateb Jumaah Al-Nussairi; Mohmood Alsaadi; Narinderjit Singh Sawaran Singh; Mahmud Zuhdi Mohd Nor; Albara Ibrahim Alrawashdeh; Mazen Garaleh; Soheil Salahshour. Artificial neural network modeling for the prediction of viscosity of Ag–Fe3O4 ethylene glycol hybrid ferro-nanofluid with different regressors for regression operations. 2026. https://doi.org/10.1007/s10973-026-16192-x

JSON · CSL-JSON · BibTeX · RIS · CSV · JSON-LD ·

APA, Chicago, ISO 690 : formats bibliographiques fondés sur les champs disponibles. OSCOLA / Bluebook : données structurées uniquement ; aucune conformité juridique complète n’est revendiquée sans vérification des éléments nécessaires.

APA
Waqed H. Hassan; Ahmed Kateb Jumaah Al-Nussairi; Mohmood Alsaadi; Narinderjit Singh Sawaran Singh; Mahmud Zuhdi Mohd Nor; Albara Ibrahim Alrawashdeh; Mazen Garaleh; Soheil Salahshour. (2026). Artificial neural network modeling for the prediction of viscosity of Ag–Fe3O4 ethylene glycol hybrid ferro-nanofluid with different regressors for regression operations. https://doi.org/10.1007/s10973-026-16192-x
Chicago
Waqed H. Hassan; Ahmed Kateb Jumaah Al-Nussairi; Mohmood Alsaadi; Narinderjit Singh Sawaran Singh; Mahmud Zuhdi Mohd Nor; Albara Ibrahim Alrawashdeh; Mazen Garaleh; Soheil Salahshour. Artificial neural network modeling for the prediction of viscosity of Ag–Fe3O4 ethylene glycol hybrid ferro-nanofluid with different regressors for regression operations. 2026. https://doi.org/10.1007/s10973-026-16192-x
ISO 690
Waqed H. Hassan; Ahmed Kateb Jumaah Al-Nussairi; Mohmood Alsaadi; Narinderjit Singh Sawaran Singh; Mahmud Zuhdi Mohd Nor; Albara Ibrahim Alrawashdeh; Mazen Garaleh; Soheil Salahshour. Artificial neural network modeling for the prediction of viscosity of Ag–Fe3O4 ethylene glycol hybrid ferro-nanofluid with different regressors for regression operations. 2026. https://doi.org/10.1007/s10973-026-16192-x

Warning: Undefined array key "last_link_verified" in /home/clients/e27d81e12f04d2bfd747aa264540ac56/sites/_UDTR_APP/legal_library_reference.php on line 31

UDTR — Bibliothèque juridique mondiale des droits de la Nature. Artificial neural network modeling for the prediction of viscosity of Ag–Fe3O4 ethylene glycol hybrid ferro-nanofluid with different regressors for regression operations. Notice documentaire: https://www.declarationuniverselledesdroitsdelarbre.org/global-rights-of-nature-radar/reference/r-a41b8c7fb94e1bb4381f151ce682ed99/ · Dernière vérification HTTP : non effectuée

Signaler une correction

Données de cette version figée

Dossiers et relations documentaires

Rôles des sources

Source bibliographique / publication d’origine · https://doi.org/10.1007/s10973-026-16192-x

Un lien vers une autorité ne prouve pas à lui seul une affirmation juridique. Les résumés et les textes intégraux restent soumis aux conditions de leur source.

Statut documentaire

Pertinence à examiner

Bibliothèque

Cette identité n’est pas encore intégrée à la Bibliothèque juridique.

UDTR — Bibliothèque juridique mondiale des droits de la Nature