Meryem Akoulih, Smail Tigani, Fouzia Byoud, Meryem El Rharib, Rachid Saadane, Samuel Pierre
, Abdelah Chehri, Sanae El Ghachtouli
Communication écrite (2023)
Accéder à ce document
Lien externe
Libre accès au texte intégral chez l'éditeur officiel
Libre accès au texte intégral chez l'éditeur officiel
Département:
Adresse URL de PolyPublie:
Nom de la conférence:
2023 International Symposium on Green Technologies and Applications (ISGTA 2023)
Lieu de la conférence:
Casablanca, Morocco
Date(s) de la conférence:
2023-12-27 - 2023-12-29
Titre de la revue
:
Procedia Computer Science
(
vol.
236
)
Maison d'édition:
Elsevier
URL officielle:
OAI:
oai:publications.polymtl.ca:58885
ORCID
Date du dépôt:
29 juil. 2024 13:39
Dernière modification:
14 oct. 2026 14:19
Citer en APA 7:
Akoulih, M., Tigani, S., Byoud, F., Rharib, M. E., Saadane, R., Pierre, S., Chehri, A., & Ghachtouli, S. E. (décembre 2023). Electrocoagulation-based AZO DYE (P4R) Removal Rate Prediction Model using Deep Learning [Communication écrite]. 2023 International Symposium on Green Technologies and Applications (ISGTA 2023), Casablanca, Morocco. Publié dans Procedia Computer Science, 236. https://doi.org/10.1016/j.procs.2024.05.003
Statistiques
Dimensions
