XiaoMi-AI文件搜索系统
World File Search SystemMarkidis
搜索时噪声对 Grover 算法的影响...
计算机科学与工程学位项目，第一周期 15 个学分 日期：2023 年 6 月 9 日 指导老师：Stefano Markidis 考官：Pawel Herman 瑞典语标题：噪声对 Grover 使用多个标记元素进行搜索的算法的影响 电气工程与计算机科学学院 KTH 皇家理工学院
出版物清单-Ricardo Vinuesa
[80] S. Rezaeiravesh，R。Vinuesa和P. Schlatter。一个不确定性定量框架，用于评估计算流体动力学中的准确性，灵敏度和鲁棒性。J. Comput。SCI。 ，62，101688，2022。 [81] M. Morimoto，K。Fukami，R。Maulik，R。Vinuesa和K. Fukagata。 基于神经网络的流体流量估计中的模型形式的不存在定量。 Nagare J. JPN。 Soc。 流体机械。 ，41，2022。 [82] R. T. Javed，O。Nasir，M。Borit，L。Vanh´ee，E。Zea，S。Gupta，R。Vinuesa和J. Qadir。 下车！ AI伦理教育中的孤岛：全球AI课程的无监督主题建模分析。 J. Artif。 Intell。 res。 ，73，933–965，2022。 [83] Moon，R。Murphy，Y。Nakauchi，E。Prestes，B。RaoR.，R。Vinuesa和C.-M。 m orch。 机器人技术在实现联合国可持续发展目标中的作用 - 专家在2021 IEEE/RSJ IROS研讨会上的会议。 IEEE机器人。 Autom。 mag。 ，29，92–107，2022。 [84] R. Vinuesa，O。Lehmkuhl，A。Lozano-Dur´an和J. Rabault。 翅膀中的流量控制和通过深度加强学习发现新方法。 流体，7，62，2022。 [85] R. Vinuesa和S. Le Clainche。 用于复杂流的机器学习方法。 Energies，15，1513，2022。 [86] N. Tabatabaei，R。Vinuesa，R。Orléu和P. Schlatter。SCI。，62，101688，2022。[81] M. Morimoto，K。Fukami，R。Maulik，R。Vinuesa和K. Fukagata。基于神经网络的流体流量估计中的模型形式的不存在定量。Nagare J. JPN。Soc。流体机械。，41，2022。[82] R. T. Javed，O。Nasir，M。Borit，L。Vanh´ee，E。Zea，S。Gupta，R。Vinuesa和J. Qadir。下车！AI伦理教育中的孤岛：全球AI课程的无监督主题建模分析。J. Artif。 Intell。 res。 ，73，933–965，2022。 [83] Moon，R。Murphy，Y。Nakauchi，E。Prestes，B。RaoR.，R。Vinuesa和C.-M。 m orch。 机器人技术在实现联合国可持续发展目标中的作用 - 专家在2021 IEEE/RSJ IROS研讨会上的会议。 IEEE机器人。 Autom。 mag。 ，29，92–107，2022。 [84] R. Vinuesa，O。Lehmkuhl，A。Lozano-Dur´an和J. Rabault。 翅膀中的流量控制和通过深度加强学习发现新方法。 流体，7，62，2022。 [85] R. Vinuesa和S. Le Clainche。 用于复杂流的机器学习方法。 Energies，15，1513，2022。 [86] N. Tabatabaei，R。Vinuesa，R。Orléu和P. Schlatter。J. Artif。Intell。 res。 ，73，933–965，2022。 [83] Moon，R。Murphy，Y。Nakauchi，E。Prestes，B。RaoR.，R。Vinuesa和C.-M。 m orch。 机器人技术在实现联合国可持续发展目标中的作用 - 专家在2021 IEEE/RSJ IROS研讨会上的会议。 IEEE机器人。 Autom。 mag。 ，29，92–107，2022。 [84] R. Vinuesa，O。Lehmkuhl，A。Lozano-Dur´an和J. Rabault。 翅膀中的流量控制和通过深度加强学习发现新方法。 流体，7，62，2022。 [85] R. Vinuesa和S. Le Clainche。 用于复杂流的机器学习方法。 Energies，15，1513，2022。 [86] N. Tabatabaei，R。Vinuesa，R。Orléu和P. Schlatter。Intell。res。，73，933–965，2022。[83]Moon，R。Murphy，Y。Nakauchi，E。Prestes，B。RaoR.，R。Vinuesa和C.-M。 m orch。 机器人技术在实现联合国可持续发展目标中的作用 - 专家在2021 IEEE/RSJ IROS研讨会上的会议。 IEEE机器人。 Autom。 mag。 ，29，92–107，2022。 [84] R. Vinuesa，O。Lehmkuhl，A。Lozano-Dur´an和J. Rabault。 翅膀中的流量控制和通过深度加强学习发现新方法。 流体，7，62，2022。 [85] R. Vinuesa和S. Le Clainche。 用于复杂流的机器学习方法。 Energies，15，1513，2022。 [86] N. Tabatabaei，R。Vinuesa，R。Orléu和P. Schlatter。Moon，R。Murphy，Y。Nakauchi，E。Prestes，B。RaoR.，R。Vinuesa和C.-M。 m orch。机器人技术在实现联合国可持续发展目标中的作用 - 专家在2021 IEEE/RSJ IROS研讨会上的会议。IEEE机器人。Autom。 mag。 ，29，92–107，2022。 [84] R. Vinuesa，O。Lehmkuhl，A。Lozano-Dur´an和J. Rabault。 翅膀中的流量控制和通过深度加强学习发现新方法。 流体，7，62，2022。 [85] R. Vinuesa和S. Le Clainche。 用于复杂流的机器学习方法。 Energies，15，1513，2022。 [86] N. Tabatabaei，R。Vinuesa，R。Orléu和P. Schlatter。Autom。mag。，29，92–107，2022。[84] R. Vinuesa，O。Lehmkuhl，A。Lozano-Dur´an和J. Rabault。翅膀中的流量控制和通过深度加强学习发现新方法。流体，7，62，2022。[85] R. Vinuesa和S. Le Clainche。用于复杂流的机器学习方法。Energies，15，1513，2022。[86] N. Tabatabaei，R。Vinuesa，R。Orléu和P. Schlatter。在rans模拟中，边界层的湍流跳闸技术。流湍流。燃烧。，108，661–682，2022。[87] N. Tabatabaei，M。Hajipour，F。Mallor，R。Orloul - Orl u，R。Vinuesa和P. Schlatter。使用风洞测量值对NACA4412唤醒建模。流体，7，153，2022。[88] G. R. McPherson，B。Sirmacek和R. Vinuesa。质量灭绝事件的环境阈值。结果工程。，13，100342，2022。[89] D. Mamchur，J。Peksa，S。LeClainche和R. Vinuesa。用于非侵入对象检查的射线照相和新技术的应用和进步。传感器，22，2121，2022。[90] R. Raman，P。Singh，V。K. Singh，R。Vinuesa和P. Nedungadi。了解IEEE访问中出版物的文献计量模式。IEEE访问，10，35561–35577，2022。[91] M. Atzori，W。Kéopp，S。W. D. Chien，D。Massaro，F。Mallor，A。Peplinski，M。Rezaei，N。Jansson，S。Markidis，R。Vinuesa，E。Laure，P。Schlatter，P。Schlatter和T. Weinkauf。用paraview催化剂在NEK5000中大规模湍流模拟的原位可视化。J.超级计算。，78，3605–3620，2022。[92] D. Mamchur，J。Peksa，S。LeClainche和R. Vinuesa。对非侵害对象筛查技术的艺术状态分析。prz。elektrotech。，98，168–173，2022。[93] S. Singh Gill，R。Vinuesa，V。Balasubramanian和S. K. Ghosh。创新的软件系统，用于管理COVID-19大流行的影响。nat。软件。：实践。实验。，52，821–823，2022。[94] R. Vinuesa和B. Sirmacek。可解释的深度学习模型，以帮助实现可持续发展目标。马赫。Intell。 ，3，926，2021。 [95] L. Guastoni，A。Guemes，A。Ianiro，S。Decetti，P。Schlatter，H。Azizpour和R. Vinuesa。 卷积网络模型，以预测壁数量的壁湍流。 J.流体机械。 ，928，A27，2021。 [96] A. Guemes，S。Decetti，A。Ianiro，B。Sirmacek，H。Azizpour和R. Vinuesa。 从粗壁测量到湍流速度场，通过深度学习。 物理。 流体，33，075121，2021。Intell。，3，926，2021。[95] L. Guastoni，A。Guemes，A。Ianiro，S。Decetti，P。Schlatter，H。Azizpour和R. Vinuesa。卷积网络模型，以预测壁数量的壁湍流。J.流体机械。，928，A27，2021。[96] A. Guemes，S。Decetti，A。Ianiro，B。Sirmacek，H。Azizpour和R. Vinuesa。从粗壁测量到湍流速度场，通过深度学习。物理。流体，33，075121，2021。