Szczegóły publikacji

Opis bibliograficzny

Deep Neural Network-driven hp-adaptive Finite Element Method in three dimensions : [abstract] / Maciej PASZYŃSKI, Rafał GRZESZCZUK, Witold DZWINEL, David Pardo // W: ECCOMAS congress 2022 [Dokument elektroniczny] : 8th European Congress on Computational Methods in Applied Sciences and Engineering : 5–9 June 2022, Oslo, Norway. — Wersja do Windows. — Dane tekstowe. — [Oslo : Norwegian University of Science and Technology], [2022]. — S. [1]. — Wymagania systemowe: Adobe Reader. — Tryb dostępu: https://www.eccomas2022.org/admin/files/fileabstract/a1990.pdf [2022-07-25]. — Bibliogr. s. [1]

Autorzy (4)

Słowa kluczowe

Fichera problemhp adaptive finite element methoddeep neural networks

Dane bibliometryczne

ID BaDAP141301
Data dodania do BaDAP2022-08-29
Rok publikacji2022
Typ publikacjimateriały konferencyjne (aut.)
Otwarty dostęptak
Creative Commons

Publikacje, które mogą Cię zainteresować

fragment książki
Deep learning driven self-adaptive hp finite element method / Maciej PASZYŃSKI, Rafał GRZESZCZUK, David Pardo, Leszek Demkowicz // W: Computational Science – ICCS 2021 : 21st international conference : Krakow, Poland, June 16–18, 2021 : proceedings, Pt. 1 / eds. Maciej Paszyński, [et al.]. — Cham : Springer Nature Switzerland, cop. 2021. — (Lecture Notes in Computer Science ; ISSN 0302-9743 ; LNCS 12742. Theoretical Computer Science and General Issues ; ISSN 0302-9743). — ISBN: 978-3-030-77960-3; e-ISBN: 978-3-030-77961-0. — S. 114–121. — Bibliogr. s. 120–121, Abstr. — Publikacja dostępna online od: 2021-06-09
Szczegóły
artykuł
Quasi-optimal hp-finite element refinements towards singularities via deep neural network prediction / Tomasz Służalec, Rafał GRZESZCZUK, Sergio Rojas, Witold DZWINEL, Maciej PASZYŃSKI // Computers and Mathematics with Applications ; ISSN 0898-1221. — 2023 — vol. 142, s. 157–174. — Bibliogr. s. 173–174, Abstr. — Publikacja dostępna online od: 2023-04-28. — T. Służalec - afiliacja: Jagiellonian University
Szczegóły