Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
Zur Ablage hinzufügen
  DetailsÜbersicht

Freigegeben
Forschungspapier

Operator Inference and Physics-Informed Learning of Low-Dimensional Models for Incompressible Flows

MPG-Autoren
/persons/resource/persons86253

Benner,  Peter
Computational Methods in Systems and Control Theory, Max Planck Institute for Dynamics of Complex Technical Systems, Max Planck Society;
OvGU;

/persons/resource/persons130594

Goyal,  Pawan Kumar
Computational Methods in Systems and Control Theory, Max Planck Institute for Dynamics of Complex Technical Systems, Max Planck Society;

/persons/resource/persons135968

Heiland,  Jan
Computational Methods in Systems and Control Theory, Max Planck Institute for Dynamics of Complex Technical Systems, Max Planck Society;
OvGU;

/persons/resource/persons221915

Pontes Duff,  Igor
Computational Methods in Systems and Control Theory, Max Planck Institute for Dynamics of Complex Technical Systems, Max Planck Society;

Externe Ressourcen
Es sind keine externen Ressourcen hinterlegt
Volltexte (beschränkter Zugriff)
Für Ihren IP-Bereich sind aktuell keine Volltexte freigegeben.
Volltexte (frei zugänglich)

2010.06701.pdf
(Preprint), 2MB

Ergänzendes Material (frei zugänglich)
Es sind keine frei zugänglichen Ergänzenden Materialien verfügbar
Zitation

Benner, P., Goyal, P. K., Heiland, J., & Pontes Duff, I. (in preparation). Operator Inference and Physics-Informed Learning of Low-Dimensional Models for Incompressible Flows.


Zitierlink: https://hdl.handle.net/21.11116/0000-0007-378A-0
Zusammenfassung
Es ist keine Zusammenfassung verfügbar