Convolutional Autoencoders and Clustering for Low-dimensional Parametrization 
of Incompressible Flows

Heiland, Jan; Kim, Yongho

doi:10.1016/j.ifacol.2022.11.091

Datensatz

DATENSATZ AKTIONENEXPORT

Zur Ablage hinzufügen

Bitte beachten Sie, dass eine neuere Version dieses Datensatzes verfügbar ist:
https://pure.mpg.de/pubman/item/item_3476421_3

DetailsÜbersicht

Freigegeben

Konferenzbeitrag

Convolutional Autoencoders and Clustering for Low-dimensional Parametrization of Incompressible Flows

MPG-Autoren

/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;

Kim, Yongho
Computational Methods in Systems and Control Theory, Max Planck Institute for Dynamics of Complex Technical Systems, Max Planck Society;
OVGU;

Externe Ressourcen

Es sind keine externen Ressourcen hinterlegt

Volltexte (beschränkter Zugriff)

Für Ihren IP-Bereich sind aktuell keine Volltexte freigegeben.

Volltexte (frei zugänglich)

saak_3476956.pdf
(Verlagsversion), 961KB

Ergänzendes Material (frei zugänglich)

Es sind keine frei zugänglichen Ergänzenden Materialien verfügbar

Zitation

Heiland, J., & Kim, Y. (2022). Convolutional Autoencoders and Clustering for Low-dimensional Parametrization of Incompressible Flows. IFAC-PapersOnLine, 55(30), 430-435.

Zitierlink: https://hdl.handle.net/21.11116/0000-000B-9F9A-5

Zusammenfassung

Es ist keine Zusammenfassung verfügbar