![[höher]](/style/images/multi_up.png)
Eine Ebene höherGruppiert nach:
Dokumententyp
| Veröffentlichungsdatum
Springe zu: Zeitschriftenartikel | Buchbeitrag
Anzahl der Publikationen: 9
Zeitschriftenartikel
Gonon, Lukas; Grohs, Philipp; Jentzen, Arnulf; Kofler, David und Šiška, David
(2021):
Uniform error estimates for artificial neural network approximations for heat equations.
In: IMA Journal of Numerical Analysis, Bd. 42, Nr. 3: S. 1991-2054
Grohs, Philipp; Kutyniok, Gitta 
ORCID: https://orcid.org/0000-0001-9738-2487; Ma, Jackie; Petersen, Philipp und Raslan, Mones
(2020):
Anisotropic multiscale systems on bounded domains.
In: Advances in Computational Mathematics, Bd. 46, 39
ORCID: https://orcid.org/0000-0001-9738-2487; Ma, Jackie; Petersen, Philipp und Raslan, Mones
(2020):
Anisotropic multiscale systems on bounded domains.
In: Advances in Computational Mathematics, Bd. 46, 39
Bölcskei, Helmut ORCID: https://orcid.org/0000-0003-3047-5149; Grohs, Philipp; Kutyniok, Gitta ORCID: https://orcid.org/0000-0001-9738-2487 und Petersen, Philipp
(2019):
Optimal Approximation with Sparsely Connected Deep Neural Networks.
In: SIAM Journal on Mathematics of Data Science, Bd. 1, Nr. 1: S. 8-45
[PDF, 661kB]
ORCID: https://orcid.org/0000-0003-3047-5149; Grohs, Philipp; Kutyniok, Gitta ORCID: https://orcid.org/0000-0001-9738-2487 und Petersen, Philipp
(2019):
Optimal Approximation with Sparsely Connected Deep Neural Networks.
In: SIAM Journal on Mathematics of Data Science, Bd. 1, Nr. 1: S. 8-45
[PDF, 661kB]
Grohs, Philipp; Keiper, Sandra ORCID: https://orcid.org/0000-0002-3622-8985; Kutyniok, Gitta ORCID: https://orcid.org/0000-0001-9738-2487 und Schäfer, Martin
(Juli 2016):
α-Molecules.
In: Applied and Computational Harmonic Analysis, Bd. 41, Nr. 1: S. 297-336
ORCID: https://orcid.org/0000-0002-3622-8985; Kutyniok, Gitta ORCID: https://orcid.org/0000-0001-9738-2487 und Schäfer, Martin
(Juli 2016):
α-Molecules.
In: Applied and Computational Harmonic Analysis, Bd. 41, Nr. 1: S. 297-336
Grohs, Philipp; Keiper, Sandra; Kutyniok, Gitta ORCID: https://orcid.org/0000-0001-9738-2487 und Schäfer, Martin
(2016):
Cartoon Approximation with α -Curvelets.
In: Journal of Fourier Analysis and Applications, Bd. 22: S. 1235-1293
ORCID: https://orcid.org/0000-0001-9738-2487 und Schäfer, Martin
(2016):
Cartoon Approximation with α -Curvelets.
In: Journal of Fourier Analysis and Applications, Bd. 22: S. 1235-1293
Grohs, Philipp und Kutyniok, Gitta ORCID: https://orcid.org/0000-0001-9738-2487
(17. September 2014):
Parabolic Molecules.
In: Foundations of Computational Mathematics, Bd. 14: S. 299-337
ORCID: https://orcid.org/0000-0001-9738-2487
(17. September 2014):
Parabolic Molecules.
In: Foundations of Computational Mathematics, Bd. 14: S. 299-337
Buchbeitrag
Berner, Julius; Grohs, Philipp; Kutyniok, Gitta ORCID: https://orcid.org/0000-0001-9738-2487 und Petersen, Philipp
(2023):
The Modern Mathematics of Deep Learning.
In: Grohs, Philipp und Kutyniok, Gitta (Hrsg.):
Mathematical Aspects of Deep Learning. Cambridge: Cambridge University Press. S. 1-111
ORCID: https://orcid.org/0000-0001-9738-2487 und Petersen, Philipp
(2023):
The Modern Mathematics of Deep Learning.
In: Grohs, Philipp und Kutyniok, Gitta (Hrsg.):
Mathematical Aspects of Deep Learning. Cambridge: Cambridge University Press. S. 1-111
Grohs, Philipp und Kutyniok, Gitta ORCID: https://orcid.org/0000-0001-9738-2487
(2023):
Preface.
In: Grohs, Philipp und Kutyniok, Gitta (Hrsg.):
Mathematical Aspects of Deep Learning. Cambridge: Cambridge University Press.
XV-XVIII
ORCID: https://orcid.org/0000-0001-9738-2487
(2023):
Preface.
In: Grohs, Philipp und Kutyniok, Gitta (Hrsg.):
Mathematical Aspects of Deep Learning. Cambridge: Cambridge University Press.
XV-XVIII
Gühring, Ingo; Raslan, Mones und Kutyniok, Gitta ORCID: https://orcid.org/0000-0001-9738-2487
(2023):
Expressivity of Deep Neural Networks.
In: Grohs, Philipp und Kutyniok, Gitta (Hrsg.):
Mathematical Aspects of Deep Learning. Cambridge: Cambridge University Press. S. 149-199
ORCID: https://orcid.org/0000-0001-9738-2487
(2023):
Expressivity of Deep Neural Networks.
In: Grohs, Philipp und Kutyniok, Gitta (Hrsg.):
Mathematical Aspects of Deep Learning. Cambridge: Cambridge University Press. S. 149-199