( en | de | ru )

 

Disambiguierung von "Perdikaris, Paris"

Autor der Publikation

KopierenLöschenDiese Publikation zur Ablage hinzufügen
Conditional deep surrogate models for stochastic, high-dimensional, and multi-fidelity systems.

, und . CoRR, (2019)

Bitte wählen Sie eine Person um die Publikation zuzuordnen

Um zwischen Personen mit demselben Namen zu unterscheiden, wird der akademische Grad und der Titel einer wichtigen Publikation angezeigt. Zudem lassen sich über den Button neben dem Namen einige der Person bereits zugeordnete Publikationen anzeigen.

Georgios Perdikaris

Stavros Perdikaris

Andrea Paris

Anja Paris

Paris Carbone

 

Weitere Publikationen von Autoren mit dem selben Namen

Inferring solutions of differential equations using noisy multi-fidelity data., , und . CoRR, (2016)Understanding and mitigating gradient pathologies in physics-informed neural networks., , und . CoRR, (2020)Physics-constrained deep learning for high-dimensional surrogate modeling and uncertainty quantification without labeled data., , , und . J. Comput. Phys., (2019)Physics-informed machine learning, , , , , und . Nature Reviews Physics, 3 (6): 422--440 (2021)Random Weight Factorization Improves the Training of Continuous Neural Representations., , , und . CoRR, (2022)Semi-supervised Invertible DeepONets for Bayesian Inverse Problems., , und . CoRR, (2022)Scalable Bayesian optimization with high-dimensional outputs using randomized prior networks., , , , und . CoRR, (2023)Learning Only on Boundaries: A Physics-Informed Neural Operator for Solving Parametric Partial Differential Equations in Complex Geometries., , und . Neural Comput., 36 (3): 475-498 (März 2024)Bayesian differential programming for robust systems identification under uncertainty., , und . CoRR, (2020)Multi-fidelity Gaussian process regression for prediction of random fields., , , und . J. Comput. Phys., (2017)