Zobrazeno 1 - 10
of 864
pro vyhledávání: '"P. Fau"'
Autor:
Fischer, Hendrik, Roth, Julian, Chamoin, Ludovic, Fau, Amelie, Wheeler, Mary F., Wick, Thomas
In this work, the space-time MORe DWR (Model Order Reduction with Dual-Weighted Residual error estimates) framework is extended and further developed for single-phase flow problems in porous media. Specifically, our problem statement is the Biot syst
Externí odkaz:
http://arxiv.org/abs/2311.08907
In this work, the dual-weighted residual (DWR) method is applied to obtain a certified incremental proper orthogonal decomposition (POD) based reduced order model. A novel approach called MORe DWR (Model Order Rduction with Dual-Weighted Residual err
Externí odkaz:
http://arxiv.org/abs/2304.01140
Temporally and spatially dependent uncertain parameters are regularly encountered in engineering applications. Commonly these uncertainties are accounted for using random fields and processes, which require knowledge about the appearing probability d
Externí odkaz:
http://arxiv.org/abs/2106.13727
Autor:
Fuhg, Jan Niklas, Boehm, Christoph, Bouklas, Nikolaos, Fau, Amelie, Wriggers, Peter, Marino, Michele
Publikováno v:
International Journal of Engineering Science. 167 (2021) 103522
Computational multiscale methods for analyzing and deriving constitutive responses have been used as a tool in engineering problems because of their ability to combine information at different length scales. However, their application in a nonlinear
Externí odkaz:
http://arxiv.org/abs/2104.02650
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.
Autor:
Fuhg, Jan N., Fau, Amelie
Parametric studies for dynamic systems are of high interest to detect instability domains. This prediction can be demanding as it requires a refined exploration of the parametric space due to the disrupted mechanical behavior. In this paper, an effic
Externí odkaz:
http://arxiv.org/abs/1907.02208
Autor:
Fuhg, Jan N., Fau, Amelie
Kriging is an efficient machine-learning tool, which allows to obtain an approximate response of an investigated phenomenon on the whole parametric space. Adaptive schemes provide a the ability to guide the experiment yielding new sample point positi
Externí odkaz:
http://arxiv.org/abs/1907.01490