Adaptive Model Hierarchies for Multi-Query Scenarios
Kleikamp, Hendrik; Ohlberger, Mario
Forschungsartikel in Sammelband (Konferenz) | Peer reviewedZusammenfassung
In this contribution we present an abstract framework for adaptive model hierarchies together with several instances of hierarchies for specific applications. The hierarchy is particularly useful when integrated within an outer loop, for instance an optimization iteration or a Monte Carlo estimation where for a large set of requests answers fulfilling certain criteria are required.
Details zur Publikation
Herausgeber*innen: Körner, Andreas; Kugi, Andreas; Kemmetmüller, Wolfgang; Deutschmann-Olek, Andreas; Steinböck, Andreas; Hartl-Nesic, Christian; Jadachowski, Lukasz Piotr
Buchtitel: MATHMOD 2025 - Discussion Contribution Volume
Seitenbereich: 15-16
Verlag: ARGESIM Verlag
Erscheinungsort: Wien
Status: Veröffentlicht
Veröffentlichungsjahr: 2025
Sprache, in der die Publikation verfasst ist: Englisch
Konferenz: MATHMOD 2025, Wien, Österreich
DOI: 10.34726/9007
Stichwörter: model hierarchies; adaptivity; model order reduction; machine learning
Autor*innen der Universität Münster
| Kleikamp, Hendrik | Professur für Angewandte Mathematik, insbesondere Numerik (Prof. Ohlberger) |
| Ohlberger, Mario | Professur für Angewandte Mathematik, insbesondere Numerik (Prof. Ohlberger) |
Projekte, aus denen die Publikation entstanden ist
Laufzeit: 01.01.2019 - 31.12.2025 | 1. Förderperiode Gefördert durch: DFG - Exzellenzcluster Art des Projekts: DFG-Hauptprojekt koordiniert an der Universität Münster |
Promotionen, aus denen die Publikation resultiert
| Parametrized optimal control and transport-dominated problems: Reduced basis methods, nonlinear reduction strategies and data driven surrogates Promovend*in: Kleikamp, Hendrik | Betreuer*innen: Ohlberger, Mario | Gutachter*innen: Ohlberger, Mario; Breiten, Tobias Zeitraum: 01.01.2021 - 19.12.2024 Promotionsverfahren erfolgt(e) an: Promotionsverfahren an der Universität Münster |