( en | de | ru )

 

Disambiguierung von "Jagtap, Ameya D."

Autor der Publikation

KopierenLöschenDiese Publikation zur Ablage hinzufügen
When Do Extended Physics-Informed Neural Networks (XPINNs) Improve Generalization?

, , , und . SIAM J. Sci. Comput., 44 (5): 3158- (2022)

Bitte wählen Sie eine Person um die Publikation zuzuordnen

Um zwischen Personen mit demselben Namen zu unterscheiden, wird der akademische Grad und der Titel einer wichtigen Publikation angezeigt. Zudem lassen sich über den Button neben dem Namen einige der Person bereits zugeordnete Publikationen anzeigen.

Sunil Jagtap

Smita Jagtap

Avinash Baburao Jagtap

D Zeppenfeld

D Zumkeller

 

Weitere Publikationen von Autoren mit dem selben Namen

Error estimates for physics informed neural networks approximating the Navier-Stokes equations., , und . CoRR, (2022)Deep learning of inverse water waves problems using multi-fidelity data: Application to Serre-Green-Naghdi equations., , und . CoRR, (2022)A Physics-Informed Neural Network for Quantifying the Microstructural Properties of Polycrystalline Nickel Using Ultrasound Data: A promising approach for solving inverse problems., , , , und . IEEE Signal Process. Mag., 39 (1): 68-77 (2022)Locally adaptive activation functions with slope recovery term for deep and physics-informed neural networks., , und . CoRR, (2019)Large Language Model-Based Evolutionary Optimizer: Reasoning with elitism., , , , , , , , und . CoRR, (2024)A unified scalable framework for causal sweeping strategies for Physics-Informed Neural Networks (PINNs) and their temporal decompositions., , , , und . CoRR, (2023)Augmented Physics-Informed Neural Networks (APINNs): A gating network-based soft domain decomposition methodology., , , und . Eng. Appl. Artif. Intell., (November 2023)Deep smoothness WENO scheme for two-dimensional hyperbolic conservation laws: A deep learning approach for learning smoothness indicators., , und . CoRR, (2023)RiemannONets: Interpretable Neural Operators for Riemann Problems., , , und . CoRR, (2024)Physics-informed neural networks for inverse problems in supersonic flows., , , und . CoRR, (2022)