Benutzer: Gast  Login
Originaltitel:
Context-aware Model Hierarchies for Higher-dimensional Uncertainty Quantification
Übersetzter Titel:
Kontextsensitive Modellhierarchien für Quantifizierung der höherdimensionalen Unsicherheit
Autor:
Farcas, Ionut-Gabriel
Jahr:
2020
Dokumenttyp:
Dissertation
Fakultät/School:
Fakultät für Informatik
Betreuer:
Bungartz, Hans-Joachim (Prof. Dr.)
Gutachter:
Bungartz, Hans-Joachim (Prof. Dr.); Willcox, Karen E. (Prof., Ph.D.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik; MAT Mathematik; NAT Naturwissenschaften (allgemein)
Stichworte:
context-aware model hierarchies, adaptivity, uncertainty propagation, Bayesian inference, plasma microinstability analysis, fluid-structure interaction
Übersetzte Stichworte:
kontextsensitive Modellhierarchien, Adaptivität, Unsicherheitsausbreitung, Bayes'sche Inferenz, Plasma-Mikroinstabilitätsanalyse, Fluid-Struktur-Wechselwirkung
TU-Systematik:
MAT 650d; DAT 780d
Kurzfassung:
We formulate four novel context-aware algorithms based on model hierarchies aimed to enable an efficient quantification of uncertainty in complex, computationally expensive problems, such as fluid-structure interaction and plasma microinstability simulations. Our results show that our algorithms are more efficient than standard approaches and that they are able to cope with the challenges of quantifying uncertainty in higher-dimensional, complex problems.
Übersetzte Kurzfassung:
Wir formulieren vier kontextsensitive Algorithmen auf der Grundlage von Modellhierarchien um eine effiziente Quantifizierung der Unsicherheit bei komplexen, rechenintensiven Problemen zu ermöglichen, wie Fluid-Struktur-Wechselwirkungs- und Plasma-Mikroinstabilitätssimulationen. Unsere Ergebnisse zeigen, dass unsere Algorithmen effizienter als Standardansätze sind und die Herausforderungen der Quantifizierung der Unsicherheit in höherdimensionalen, komplexen Problemen bewältigen können.
WWW:
https://mediatum.ub.tum.de/?id=1538277
Eingereicht am:
06.03.2020
Mündliche Prüfung:
29.05.2020
Dateigröße:
12058638 bytes
Seiten:
260
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20200529-1538277-1-4
Letzte Änderung:
10.09.2020
 BibTeX