Zobrazeno 1 - 10
of 210
pro vyhledávání: '"Scheichl, R."'
By adopting a Multilevel Monte Carlo (MLMC) framework, we show that only a handful of costly fine scale computations are needed to accurately estimate statistics of the failure of a composite structure, as opposed to the thousands typically needed in
Externí odkaz:
http://arxiv.org/abs/1907.10271
We are interested in computing the expectation of a functional of a PDE solution under a Bayesian posterior distribution. Using Bayes' rule, we reduce the problem to estimating the ratio of two related prior expectations. For a model elliptic problem
Externí odkaz:
http://arxiv.org/abs/1602.04704
Publikováno v:
In Probabilistic Engineering Mechanics January 2021 63
Publikováno v:
In Journal of Computational Physics 15 October 2020 419
Publikováno v:
In Computer Physics Communications April 2020 249
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
In this paper we address the problem of the prohibitively large computational cost of existing Markov chain Monte Carlo methods for large--scale applications with high dimensional parameter spaces, e.g. in uncertainty quantification in porous media f
Externí odkaz:
http://arxiv.org/abs/1303.7343
We consider the application of multilevel Monte Carlo methods to elliptic PDEs with random coefficients. We focus on models of the random coefficient that lack uniform ellipticity and boundedness with respect to the random parameter, and that only ha
Externí odkaz:
http://arxiv.org/abs/1204.3476
Publikováno v:
Journal of Applied Probability, 2016 Mar 01. 53(1), 262-278.
Externí odkaz:
http://www.jstor.org/stable/43860971
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.