HEAL DSpace

Modeling the Organoleptic Properties of Matured Wine Distillates

Αποθετήριο DSpace/Manakin

Εμφάνιση απλής εγγραφής

dc.contributor.author Kotsiantis, S en
dc.contributor.author Tsekouras, G en
dc.contributor.author Raptis, C en
dc.contributor.author Pintelas, P en
dc.date.accessioned 2014-03-01T02:49:57Z
dc.date.available 2014-03-01T02:49:57Z
dc.date.issued 2005 en
dc.identifier.uri https://dspace.lib.ntua.gr/xmlui/handle/123456789/34819
dc.subject Chemical Engineering en
dc.subject Supervised Machine Learning en
dc.title Modeling the Organoleptic Properties of Matured Wine Distillates en
heal.type conferenceItem en
heal.identifier.primary 10.1007/11510888_66 en
heal.identifier.secondary http://dx.doi.org/10.1007/11510888_66 en
heal.publicationDate 2005 en
heal.abstract We present how the supervised machine learning techniques can be used to predict quality characteristics in an important chemical engineering ap- plication: the wine distillate maturation process. A number of experiments have been conducted with six regression-based algorithms, where the M5' algorithm was proved to be the most appropriate for predicting the organoleptic properties of the matured wine distillates. The en
heal.journalName Machine Learning and Data Mining in Pattern Recognition en
dc.identifier.doi 10.1007/11510888_66 en


Αρχεία σε αυτό το τεκμήριο

Αρχεία Μέγεθος Μορφότυπο Προβολή

Δεν υπάρχουν αρχεία που σχετίζονται με αυτό το τεκμήριο.

Αυτό το τεκμήριο εμφανίζεται στην ακόλουθη συλλογή(ές)

Εμφάνιση απλής εγγραφής