User: Guest  Login
Less Searchfields
Simple search
Original title:
Context-aware Model Hierarchies for Higher-dimensional Uncertainty Quantification
Translated title:
Kontextsensitive Modellhierarchien für Quantifizierung der höherdimensionalen Unsicherheit
Author:
Farcas, Ionut-Gabriel
Year:
2020
Document type:
Dissertation
Faculty/School:
Fakultät für Informatik
Advisor:
Bungartz, Hans-Joachim (Prof. Dr.)
Referee:
Bungartz, Hans-Joachim (Prof. Dr.); Willcox, Karen E. (Prof., Ph.D.)
Language:
en
Subject group:
DAT Datenverarbeitung, Informatik; MAT Mathematik; NAT Naturwissenschaften (allgemein)
Keywords:
context-aware model hierarchies, adaptivity, uncertainty propagation, Bayesian inference, plasma microinstability analysis, fluid-structure interaction
Translated keywords:
kontextsensitive Modellhierarchien, Adaptivität, Unsicherheitsausbreitung, Bayes'sche Inferenz, Plasma-Mikroinstabilitätsanalyse, Fluid-Struktur-Wechselwirkung
TUM classification:
MAT 650d; DAT 780d
Abstract:
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.
Translated abstract:
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
Date of submission:
06.03.2020
Oral examination:
29.05.2020
File size:
12058638 bytes
Pages:
260
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20200529-1538277-1-4
Last change:
10.09.2020
 BibTeX