Multi-fidelity Gaussian process surrogate modeling for regression problems in 
physics

Ravi, K.; Fediukov, V.; Dietrich, F.; Neckel, T.; Buse, F.; Bergmann, M.; Bungartz, H.-J.

doi:10.1088/2632-2153/ad7ad5

Datensatz

DATENSATZ AKTIONENEXPORT

Zur Ablage hinzufügen

Lokale TagsFreigabegeschichteDetailsÜbersicht

Freigegeben

Zeitschriftenartikel

Multi-fidelity Gaussian process surrogate modeling for regression problems in physics

MPG-Autoren

/persons/resource/persons244633

Bergmann, M.
Tokamak Scenario Development (E1), Max Planck Institute for Plasma Physics, Max Planck Society;

Externe Ressourcen

https://doi.org/10.1088/2632-2153/ad7ad5
(Verlagsversion)

Volltexte (beschränkter Zugriff)

Für Ihren IP-Bereich sind aktuell keine Volltexte freigegeben.

Volltexte (frei zugänglich)

Es sind keine frei zugänglichen Volltexte in PuRe verfügbar

Ergänzendes Material (frei zugänglich)

Es sind keine frei zugänglichen Ergänzenden Materialien verfügbar

Zitation

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.

Zitierlink: https://hdl.handle.net/21.11116/0000-000F-F6A9-D

Zusammenfassung

Es ist keine Zusammenfassung verfügbar