VENI, VINDy, VICI: a generative reduced-order modeling framework with uncertainty quantification

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Conti, Paolo, Kneifl, Jonas, Manzoni, Andrea, Frangi, Attilio, Fehr, Jörg, Brunton, Steven L., Kutz, J. Nathan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Computational Engineering, Finance, and Science Dynamical Systems
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Online

https://arxiv.org/abs/2405.20905