An overview on deep learning-based approximation methods for partial differential equations Beck C, Hutzenthaler M, Jentzen A, Kuckuck B (2023) In: Discrete and Continuous Dynamical Systems - Series B, 28(6). Forschungsartikel (Zeitschrift)
Deep learning approximations for non-local nonlinear PDEs with Neumann boundary conditions Boussange, V.; Becker, S.; Jentzen, A.; Kuckuck, B.; Pellissier, L. (2023) In: SN Partial Differential Equations and Applications, 4, 51. Forschungsartikel (Zeitschrift)
Counterexamples to local Lipschitz and local Hölder continuity with respect to the initial values for additive noise driven SDEs with smooth drift coefficient functions with at most polynomially growing derivatives Jentzen A, Kuckuck B, Müller-Gronbach T, Yaroslavtseva L (2022) In: Discrete and Continuous Dynamical Systems - Series B, 27(7). Forschungsartikel (Zeitschrift)
Full error analysis for the training of deep neural networks Beck C, Jentzen A, Kuckuck B (2022) In: Infinite Dimensional Analysis, Quantum Probability and Related Topics, 25(2), 2150020. Forschungsartikel (Zeitschrift)
Strong error analysis for stochastic gradient descent optimization algorithms Jentzen A, Kuckuck B, Neufeld A, von Wurstemberger P (2021) In: IMA Journal of Numerical Analysis, 41(1). Forschungsartikel (Zeitschrift)

EXC 2044 - T10: Deep Learning und Surrogat-Methoden Laufzeit: 01.01.2026 - 31.12.2032 \| 1. Förderperiode Gefördert durch: DFG - Exzellenzcluster Art des Projekts: Teilprojekt in DFG-Verbund koordiniert an der Universität Münster
Mathematische Theorie zu Tiefem Lernen (DLMATH) Laufzeit: 01.09.2019 - 31.08.2024 Art des Projekts: Eigenmittelprojekt