h1

000861825 001__ 861825
000861825 005__ 20230124074220.0
000861825 0247_ $$aG:(GEPRIS)504290214$$d504290214
000861825 035__ $$aG:(GEPRIS)504290214
000861825 040__ $$aGEPRIS$$chttp://gepris.its.kfa-juelich.de
000861825 150__ $$aNichtlineare reduzierte Modellierung für Zustands- und Parameter-Schätzung (B01)$$y2022 -
000861825 371__ $$aProfessor Dr. Markus Bachmayr
000861825 371__ $$aProfessor Dr. Wolfgang Dahmen
000861825 450__ $$aSFB 1481 B01$$wd$$y2022 -
000861825 5101_ $$0I:(DE-588b)2007744-0$$aDeutsche Forschungsgemeinschaft$$bDFG
000861825 550__ $$0G:(GEPRIS)442047500$$aSFB 1481: Sparsity und singuläre Strukturen$$wt
000861825 680__ $$aDas Ziel dieses Projekts ist die Entwicklung nichtlinearer reduzierter Modelle für parameterabhängige Familien partieller Differentialgleichungen. Wir kombinieren Konzepte des maschinellen Lernens, einschließlich tiefer neuronaler Netze, mit stabilen Variationsformulierungen, um eine rigorose Quantifizierung der Genauigkeit für ein breites Spektrum von Problemklassen zu gewährleisten. Primäre Forschungsthemen sind Zustands- und Parameterschätzung sowie die Identifikation und Analyse geeigneter Begriffe von Sparsity, die auf die Frage abzielen, wann der Einsatz neuronaler Netze es erlaubt, den Fluch der Dimension zu vermeiden.
000861825 909CO $$ooai:juser.fz-juelich.de:916789$$pauthority$$pauthority:GRANT
000861825 909CO $$ooai:juser.fz-juelich.de:916789
000861825 980__ $$aG
000861825 980__ $$aAUTHORITY