Zobrazeno 1 - 10
of 23
pro vyhledávání: '"Thiagarajan, Ponkrshnan"'
Autor:
Pathrudkar, Shashank, Taylor, Stephanie, Keripale, Abhishek, Gangan, Abhijeet Sadashiv, Thiagarajan, Ponkrshnan, Agarwal, Shivang, Marian, Jaime, Ghosh, Susanta, Banerjee, Amartya S.
We propose machine learning (ML) models to predict the electron density -- the fundamental unknown of a material's ground state -- across the composition space of concentrated alloys. From this, other physical properties can be inferred, enabling acc
Externí odkaz:
http://arxiv.org/abs/2410.08294
In the present work, a rate-dependent cohesive zone model for the fracture of polymeric interfaces is presented. Inverse calibration of parameters for such complex models through trial and error is computationally tedious due to the large number of p
Externí odkaz:
http://arxiv.org/abs/2311.07768
Autor:
Pathrudkar, Shashank, Thiagarajan, Ponkrshnan, Agarwal, Shivang, Banerjee, Amartya S., Ghosh, Susanta
The ground state electron density -- obtainable using Kohn-Sham Density Functional Theory (KS-DFT) simulations -- contains a wealth of material information, making its prediction via machine learning (ML) models attractive. However, the computational
Externí odkaz:
http://arxiv.org/abs/2308.13096
Bayesian neural networks (BNNs) are state-of-the-art machine learning methods that can naturally regularize and systematically quantify uncertainties using their stochastic parameters. Kullback-Leibler (KL) divergence-based variational inference used
Externí odkaz:
http://arxiv.org/abs/2209.11366
Publikováno v:
In Engineering Fracture Mechanics 1 October 2024 309
Publikováno v:
In Neurocomputing 14 February 2025 618
Despite the promise of Convolutional neural network (CNN) based classification models for histopathological images, it is infeasible to quantify its uncertainties. Moreover, CNNs may suffer from overfitting when the data is biased. We show that Bayes
Externí odkaz:
http://arxiv.org/abs/2010.12575
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:
In Composite Structures 15 November 2019 228
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.