PUMA

Akademisches Publikationsmanagement
Publikationen sammeln, verwalten und teilen.

( en | de )

 

Disambiguierung von "Zaverkin, Viktor"

Autor der Publikation

KopierenLöschenDiese Publikation zur Ablage hinzufügen
A Framework and Benchmark for Deep Batch Active Learning for Regression

, , , und . arXiv:2203.09410, (2022)Published version: https://puma.ub.uni-stuttgart.de/bibtex/2b0f9ad1f3ecff99b5bc2348d86175770/simtech.

Bitte wählen Sie eine Person um die Publikation zuzuordnen

Um zwischen Personen mit demselben Namen zu unterscheiden, wird der akademische Grad und der Titel einer wichtigen Publikation angezeigt. Zudem lassen sich über den Button neben dem Namen einige der Person bereits zugeordnete Publikationen anzeigen.

Viktor Zaverkin University of Stuttgart

V. Zaverkin

Apl. Prof. Dr. Viktor Avrutin University of Stuttgart

 

Weitere Publikationen von Autoren mit dem selben Namen

A Framework and Benchmark for Deep Batch Active Learning for Regression, , , und . J. Mach. Learn. Res., 24 (164): 1–81 (2023)Code for: Fast and Sample-Efficient Interatomic Neural Network Potentials for Molecules and Materials Based on Gaussian Moments, , , und . Software, (2021)Related to: V. Zaverkin, D. Holzmüller, I. Steinwart, and J. Kästner, “Fast and Sample-Efficient Interatomic Neural Network Potentials for Molecules and Materials Based on Gaussian Moments,” J. Chem. Theory Comput. 17, 6658–6670 (2021). doi: 10.1021/acs.jctc.1c00527.Thermally Averaged Magnetic Anisotropy Tensors via Machine Learning Based on Gaussian Moments, , , , und . J. Chem. Theory Comput., (2022)Transfer learning for chemically accurate interatomic neural network potentials, , , und . Physical chemistry, chemical physics, 25 (7): 5383-5396 (2023)Fast and Sample-Efficient Interatomic Neural Network Potentials for Molecules and Materials Based on Gaussian Moments, , , und . Journal of Chemical Theory and Computation, 17 (10): 6658-6670 (2021)Code and Data for: A Framework and Benchmark for Deep Batch Active Learning for Regression [arXiv v3], , , und . Software, (2023)Related to: David Holzmüller, Viktor Zaverkin, Johannes Kästner, and Ingo Steinwart. A Framework and Benchmark for Deep Batch Active Learning for Regression, 2023. arXiv: 2203.09410.Code and Data for: A Framework and Benchmark for Deep Batch Active Learning for Regression [arXiv v2], , , und . Software, (2022)Related to: David Holzmüller, Viktor Zaverkin, Johannes Kästner, and Ingo Steinwart. A Framework and Benchmark for Deep Batch Active Learning for Regression, 2022. arXiv: 2203.09410.Code and Data for: A Framework and Benchmark for Deep Batch Active Learning for Regression [arXiv v1], , , und . Software, (2022)Related to: David, Holzmüller, Viktor Zaverkin, Johannes Kästner, and Ingo Steinwart. A Framework and Benchmark for Deep Batch Active Learning for Regression, 2022. arXiv: 2203.09410.Neural-network assisted study of nitrogen atom dynamics on amorphous solid water – II. Diffusion, , und . Mon. Not. R. Astron. Soc., 510 (2): 3063-3070 (2021)Predicting properties of periodic systems from cluster data : A case study of liquid water, , , und . The journal of chemical physics, 156 (11): 114103 (2022)