Zobrazeno 1 - 10
of 22
pro vyhledávání: '"Alghamdi, Amal M. A."'
Autor:
Seelinger, Linus, Reinarz, Anne, Lykkegaard, Mikkel B., Akers, Robert, Alghamdi, Amal M. A., Aristoff, David, Bangerth, Wolfgang, Bénézech, Jean, Diez, Matteo, Frey, Kurt, Jakeman, John D., Jørgensen, Jakob S., Kim, Ki-Tae, Martinelli, Massimiliano, Parno, Matthew, Pellegrini, Riccardo, Petra, Noemi, Riis, Nicolai A. B., Rosenfeld, Katherine, Serani, Andrea, Tamellini, Lorenzo, Villa, Umberto, Dodwell, Tim J., Scheichl, Robert
Uncertainty Quantification (UQ) is vital to safety-critical model-based analyses, but the widespread adoption of sophisticated UQ methods is limited by technical complexity. In this paper, we introduce UM-Bridge (the UQ and Modeling Bridge), a high-l
Externí odkaz:
http://arxiv.org/abs/2402.13768
Autor:
Alghamdi, Amal M A, Riis, Nicolai A B, Afkham, Babak M, Uribe, Felipe, Christensen, Silja L, Hansen, Per Christian, Jørgensen, Jakob S
Inverse problems, particularly those governed by Partial Differential Equations (PDEs), are prevalent in various scientific and engineering applications, and uncertainty quantification (UQ) of solutions to these problems is essential for informed dec
Externí odkaz:
http://arxiv.org/abs/2305.16951
Autor:
Riis, Nicolai A B, Alghamdi, Amal M A, Uribe, Felipe, Christensen, Silja L, Afkham, Babak M, Hansen, Per Christian, Jørgensen, Jakob S
This paper introduces CUQIpy, a versatile open-source Python package for computational uncertainty quantification (UQ) in inverse problems, presented as Part I of a two-part series. CUQIpy employs a Bayesian framework, integrating prior knowledge wit
Externí odkaz:
http://arxiv.org/abs/2305.16949
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Alghamdi, Mohammed. A., Alzahrani, Rajab, Alghamdi, Abdullah, Ali, Mujtaba A., Alghamdi, Amal M., Alghamdi, Waad M., Alghamdi, Kholoud M., Alghamdi, Shroog M.
Publikováno v:
Georgian Medical News; Oct2023, Vol. 343 Issue 10, p153-158, 6p
Autor:
Riis, Nicolai A B, Alghamdi, Amal M A, Uribe, Felipe, Christensen, Silja L, Afkham, Babak M, Hansen, Per Christian, Jørgensen, Jakob S
This paper introduces CUQIpy, a versatile open-source Python package for computational uncertainty quantification (UQ) in inverse problems, presented as Part I of a two-part series. CUQIpy employs a Bayesian framework, integrating prior knowledge wit
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::1df9d8f7e37b65ee9427cc84df61074d
http://arxiv.org/abs/2305.16949
http://arxiv.org/abs/2305.16949
CUQIpy -- Part II: computational uncertainty quantification for PDE-based inverse problems in Python
Autor:
Alghamdi, Amal M A, Riis, Nicolai A B, Afkham, Babak M, Uribe, Felipe, Christensen, Silja L, Hansen, Per Christian, Jørgensen, Jakob S
Inverse problems, particularly those governed by Partial Differential Equations (PDEs), are prevalent in various scientific and engineering applications, and uncertainty quantification (UQ) of solutions to these problems is essential for informed dec
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::d90eb3b307a564ffa922a6954d4b9829
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.