skip to main content
Idioma:
Mostrar Somente
Refinado por: Base de dados/Biblioteca: Springer Online Journals Complete remover
Result Number Material Type Add to My Shelf Action Record Details and Options
1
On the choice of the low-dimensional domain for global optimization via random embeddings
On the choice of the low-dimensional domain for global optimization via random embeddings
Material Type:
Artigo 		Adicionar ao Meu Espaço

On the choice of the low-dimensional domain for global optimization via random embeddings

Binois, Mickaël ; Ginsbourger, David ; Roustant, Olivier

Journal of global optimization, 2020, Vol.76 (1), p.69-90 [Periódico revisado por pares]

New York: Springer US

Texto completo disponível

Citações Citado por
2
Evaluating Gaussian process metamodels and sequential designs for noisy level set estimation
Evaluating Gaussian process metamodels and sequential designs for noisy level set estimation
Material Type:
Artigo 		Adicionar ao Meu Espaço

Evaluating Gaussian process metamodels and sequential designs for noisy level set estimation

Lyu, Xiong ; Binois, Mickaël ; Ludkovski, Michael

Statistics and computing, 2021-07, Vol.31 (4), Article 43 [Periódico revisado por pares]

New York: Springer US

Texto completo disponível

Citações Citado por
3
A Bayesian optimization approach to find Nash equilibria
A Bayesian optimization approach to find Nash equilibria
Material Type:
Artigo 		Adicionar ao Meu Espaço

A Bayesian optimization approach to find Nash equilibria

Picheny, Victor ; Binois, Mickael ; Habbal, Abderrahmane

Journal of global optimization, 2019-01, Vol.73 (1), p.171-192 [Periódico revisado por pares]

New York: Springer US

Texto completo disponível

Citações Citado por
4
Data-driven uncertainty quantification in macroscopic traffic flow models
Data-driven uncertainty quantification in macroscopic traffic flow models
Material Type:
Artigo 		Adicionar ao Meu Espaço

Data-driven uncertainty quantification in macroscopic traffic flow models

Würth, Alexandra ; Binois, Mickaël ; Goatin, Paola ; Göttlich, Simone

Advances in computational mathematics, 2022-12, Vol.48 (6), Article 75 [Periódico revisado por pares]

New York: Springer US

Texto completo disponível

Citações Citado por
5
Data-driven uncertainty quantification in macroscopic traffic flow models
Data-driven uncertainty quantification in macroscopic traffic flow models
Material Type:
Artigo 		Adicionar ao Meu Espaço

Data-driven uncertainty quantification in macroscopic traffic flow models

Würth, Alexandra ; Binois, Mickaël ; Goatin, Paola ; Göttlich, Simone

Dordrecht: Kluwer Akad. Publ 2022

Sem texto completo

Citações Citado por

Personalize Seus Resultados

  1. Editar

Refine Search Results

Expandir Meus Resultados

  1.   

Mostrar Somente

  1. Recursos Online (4)

  • Realização: ABCD-USP USP   Logos de Redes Sociais: Freepik

Buscando em bases de dados remotas. Favor aguardar.