Zugriff

    Zugriff prüfen

    Verfügbarkeit in meiner Bibliothek prüfen

    Bestellung bei Subito €


    Exportieren, teilen und zitieren



    Titel :

    Ground Stop Adjuster: A Machine Learning Approach to Improve Air Traffic Management Initiatives


    Beteiligte:

    Kongress:

    AIAA SCITECH 2025 Forum



    Erscheinungsdatum :

    01.01.2025




    Medientyp :

    Aufsatz (Konferenz)


    Format :

    Elektronische Ressource


    Sprache :

    Englisch




    Predicting Air Traffic Management Initiatives using Machine Learning

    Agrawal, Manoj / Puranik, Tejas G. / Kalyanam, Krishnamoorthy et al. | AIAA | 2024


    Predicting Air Traffic Management Initiatives Using Supervised Learning

    M. Agrawal / M. Memarzadeh / K. M. Kalyanam et al. | NTIS | 2023


    Characterizing Simulated Traffic Management Initiatives with Unsupervised Learning

    Jones, James C. / Ellenbogen, Zachary / Glina, Yan | AIAA | 2022


    ADJUSTER

    MIYAZAKI NOBUYUKI | Europäisches Patentamt | 2017

    Freier Zugriff

    Characterizing Simulated Traffic Management Initiatives with Unsupervised Learning

    Jones, James C. / Ellenbogen, Zachary / Glina, Yan | TIBKAT | 2022