 | Up a level |
Kravchyk, Kostiantyn V.; Battaglia, Corsin; Siller, Valerie; Lelotte, Barthélémy; El Kazzi, Mario; Morzy, Jedrzej; Futscher, Moritz; Romanyuk, Yaroslav; Stalder, Michael; Fuerst, Axel; Kovalenko, Maksym (2024). Building Solid-State Batteries: Insights from Swiss Research Labs CHIMIA International Journal for Chemistry, 78(6), pp. 403-414. Schweizerische Chemische Gesellschaft 10.2533/chimia.2024.403
Walther, Simon; Müller, Simon; Fuerst, Axel; Renggli, Rolf; Unlü, Fatih (2022). Prediction of wheel-rail contact forces using simple onboard monitoring system and machine learning Journal of Rail and Rapid Transit, 237(5), pp. 553-562. Institution of Mechanical Engineers 10.1177/09544097221122006
Walther, Simon; Fuerst, Axel (2022). Reduced Data Volumes through Hybrid Machine Learning Compared to Conventional Machine Learning Demonstrated on Bearing Fault Classification Applied Sciences, 12(5), pp. 1-16. MDPI 10.3390/app12052287
Dubey, Romain; Zwahlen, Marcel-David; Shynkarenko, Yevhen; Yakunin, Sergii; Fuerst, Axel; Kovalenko, Maksym V; Kravchyk, Kostiantyn V. (2021). Laser Patterning of High‐Mass‐Loading Graphite Anodes for High‐Performance Li‐Ion Batteries Batteries & Supercaps, 4(3), pp. 464-468. Wiley 10.1002/batt.202000253
Fuerst, Axel (2022). Mit neuem Recyclingverfahren mehr aus Lithium-Ionen-Batterien herausholen spirit biel/bienne: Das Magazin der technischen Disziplinen der Berner Fachhochschule, 1, pp. 12-13. Berner Fachhochschule BFH, Architektur, Holz und Bau/Technik und Informatik
Fuerst, Axel (October 2019). Nutzen schaffen mit Industrie 4.0 Swiss Engineering STZ(10), pp. 25-27.
Fuerst, Axel; Jordi, Marco; Nadipuram, Venkat (2019). Zustandsüberwachung von Mühlenpanzerungen durch maschinelles Lernen ABB Review, pp. 46-51.
Fuerst, Axel; Walther, Simon (20 May 2024). Hybrid Machine Learning – When Little Data is Available In: 10th Annual World Congress of Advanced Materials WCAM-2024 Japan. Osaka, Japan. May.21-24 2024.
Walther, Simon (25 January 2022). Reduzierter Datenbedarf durch hybrides Machine Learning In: 7. F&E KonferenzzuIndustrie 4.0. Biel. 25. Januar 2022.
Büsser, Katrin; Pichelin, Frédéric; Rohner, Thomas; Fuerst, Axel; Kucera, Martin; Vezzini, Andrea; Affolter, Peter; Bueche, Nicolas; Catalano, Paola; Franco Mosquera, Maria; Grösser, Stefan; Boukhatmi, Ässia; Nyffenegger, Roger; Rohr, Lukas (2022). Spirit. Kreisläufe: Ressourcen sind limitiert – sie sollten so lange wie möglich im Umlauf bleiben, 1. Berner Fachhochschule BFH, Architektur, Holz und Bau/Technik und Informatik
