Personensuche

Personensuche

Bitte geben Sie den Namen der gesuchten Person ein.

Es wurde 1 Person gefunden.

Dipl.-Phys. Thomas Kruse

Aktuelle Veranstaltungen

Keine aktuellen Veranstaltungen.

Vergangene Veranstaltungen (max. 10)

Keine vergangenen Veranstaltungen.

Die folgenden Publikationen sind in der Online-Universitätsbibliographie der Universität Duisburg-Essen verzeichnet. Weitere Informationen finden Sie gegebenenfalls auch auf den persönlichen Webseiten der Person.

    Artikel in Zeitschriften

  • Ackermann, Julia; Kruse, Thomas; Urusov, Mikhail
    Self-exciting price impact via negative resilience in stochastic order books
    In: Annals of Operations Research Jg. 336 (2024) Nr. 1-2, S. 637 - 659
    Online Volltext: dx.doi.org/ (Open Access)
  • Hutzenthaler, Martin; Jentzen, Arnulf; Kruse, Thomas; Anh Nguyen, Tuan
    Overcoming the curse of dimensionality in the numerical approximation of backward stochastic differential equations
    In: Journal of Numerical Mathematics Jg. 31 (2023) Nr. 1, S. 1 - 28
    Online Volltext: dx.doi.org/ (Open Access)
  • Hutzenthaler, Martin; Kruse, Thomas; Nguyen, Tuan Anh
    On the speed of convergence of Picard iterations of backward stochastic differential equations
    In: Probability, Uncertainty and Quantitative Risk Jg. 7 (2022) Nr. 2, S. 133 - 150
    Online Volltext: dx.doi.org/ (Open Access)
  • Ankirchner, Stefan; Kruse, Thomas; Löhr, Wolfgang; Urusov, Mikhail
    Properties of the EMCEL scheme for approximating irregular diffusions
    In: Journal of Mathematical Analysis and Applications Jg. 509 (2022) Nr. 1, 125931
    Online Volltext: dx.doi.org/ (Open Access)
  • Weinan, E.; Hutzenthaler, Martin; Jentzen, Arnulf; Kruse, Thomas; E, Weinan
    Multilevel Picard iterations for solving smooth semilinear parabolic heat equations
    In: Partial Differential Equations and Applications Jg. 2 (2021) Nr. 6, 80
    Online Volltext: dx.doi.org/ (Open Access)
  • Hutzenthaler, Martin; Jentzen, Arnulf; Kruse, Thomas; Nguyen, Tuan Anh
    A proof that rectified deep neural networks overcome the curse of dimensionality in the numerical approximation of semilinear heat equations
    In: Partial Differential Equations and Applications Jg. 1 (2020) Nr. 2, 10
    Online Volltext: dx.doi.org/ (Open Access)