Zobrazeno 1 - 10
of 337
pro vyhledávání: '"Guzel D"'
Publikováno v:
Neuropsychiatric Disease and Treatment, Vol Volume 14, Pp 1855-1860 (2018)
Derya Guzel,1 Ahmet Bulent Yazici,2 Tugba Mutu Pek,2 Songul Doganay,1 Alime Burcin Saykan Simsek,2 Kadir Saglam,1 Caglar Turan,2 Esra Yazici2 1Department of Physiology, School of Medicine, Sakarya University, Sakarya, Turkey; 2Department of Psychiatr
Externí odkaz:
https://doaj.org/article/f1573253a4214a5199fa0f75d0cb6a2d
Autor:
Tartakovsky, Alexandre M., Marrero, Carlos Ortiz, Perdikaris, Paris, Tartakovsky, Guzel D., Barajas-Solano, David
We present a physics informed deep neural network (DNN) method for estimating parameters and unknown physics (constitutive relationships) in partial differential equation (PDE) models. We use PDEs in addition to measurements to train DNNs to approxim
Externí odkaz:
http://arxiv.org/abs/1808.03398
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.
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.
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.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
SIAM Journal on Scientific Computing. 43:A3862-A3891
In this work, we propose a new Gaussian process regression (GPR) method: physics information aided Kriging (PhIK). In the standard data-driven Kriging, the unknown function of interest is usually t...
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::dd4e9b4cb73d2a424173fb183e47bcd8
https://doi.org/10.1137/20m1331585
https://doi.org/10.1137/20m1331585