Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
Zur Ablage hinzufügen
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  Multi-fidelity Gaussian process surrogate modeling for regression problems in physics

Ravi, K., Fediukov, V., Dietrich, F., Neckel, T., Buse, F., Bergmann, M., et al. (2024). Multi-fidelity Gaussian process surrogate modeling for regression problems in physics. Machine Learning: Science and Technology, 5: 045015. doi:10.1088/2632-2153/ad7ad5.

Item is

 

einblenden: alle

Basisdaten

ausblenden:
Datensatz-Permalink: https://hdl.handle.net/21.11116/0000-000F-F6A9-D Versions-Permalink: https://hdl.handle.net/21.11116/0000-000F-F6AA-C
Genre: Zeitschriftenartikel

Dateien

ausblenden: Dateien
:
ravi_multi-fidelity.pdf (Ergänzendes Material), 3MB
 
Datei-Permalink:
-
Name:
ravi_multi-fidelity.pdf
Beschreibung:
-
OA-Status:
Sichtbarkeit:
Privat
MIME-Typ / Prüfsumme:
application/pdf
Technische Metadaten:
Copyright Datum:
-
Copyright Info:
-
Lizenz:
-

Externe Referenzen

ausblenden:
externe Referenz:
https://doi.org/10.1088/2632-2153/ad7ad5 (Verlagsversion)
Beschreibung:
Open Access
OA-Status:
Gold

Urheber

ausblenden:
 Urheber:
Ravi, K.1, Autor
Fediukov, V.1, Autor
Dietrich, F.1, Autor
Neckel, T.1, Autor
Buse, F.1, Autor
Bergmann, M.2, Autor                 
Bungartz, H.-J.1, Autor
Affiliations:
1External Organizations, ou_persistent22              
2Tokamak Scenario Development (E1), Max Planck Institute for Plasma Physics, Max Planck Society, ou_1856321              

Inhalt

einblenden:

Details

ausblenden:
Sprache(n): eng - English
 Datum: 2024
 Publikationsstatus: Online veröffentlicht
 Seiten: 26 p.
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: Expertenbegutachtung
 Identifikatoren: DOI: 10.1088/2632-2153/ad7ad5
 Art des Abschluß: -

Veranstaltung

einblenden:

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

ausblenden:
Titel: Machine Learning: Science and Technology
  Kurztitel : Mach. Learn.: Sci. Technol.
Genre der Quelle: Zeitschrift
 Urheber:
Affiliations:
Ort, Verlag, Ausgabe: Bristol, UK : IOP Publishing
Seiten: - Band / Heft: 5 Artikelnummer: 045015 Start- / Endseite: - Identifikator: ISSN: 2632-2153
CoNE: https://pure.mpg.de/cone/journals/resource/2632-2153