Buchumschlag

Shapley values and machine learning to characterize metamaterials for seismic applications

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Oniz, D., Mo, Y. L., Nakshatrala, K. B.
Format:	Preprint
Veröffentlicht:	2021
Schlagworte:	Numerical Analysis
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Dynamic properties of double porosity/permeability model
von: Nakshatrala, K. B.
Veröffentlicht: (2023)

Modeling thermal regulation in thin vascular systems: A mathematical analysis
von: Nakshatrala, Kalyana B.
Veröffentlicht: (2022)

Flow Through Porous Media: A Hopf-Cole Transformation Approach for Modeling Pressure-Dependent Viscosity
von: Maduri, V. S., et al.
Veröffentlicht: (2025)

Effect of temperature-dependent material properties on thermal regulation in microvascular composites
von: Adhikari, K., et al.
Veröffentlicht: (2024)

A Machine Learning-Enhanced Hopf-Cole Formulation for Nonlinear Gas Flow in Porous Media
von: Maduru, V. S., et al.
Veröffentlicht: (2026)

An Adaptive Machine Learning Framework for Fluid Flow in Dual-Network Porous Media
von: Maduri, V. S., et al.
Veröffentlicht: (2026)

Reactive Transport Modeling with Physics-Informed Machine Learning for Critical Minerals Applications
von: Adhikari, K., et al.
Veröffentlicht: (2025)

A new insight on augmented Lagrangian method with applications in machine learning
von: Bai, Jianchao, et al.
Veröffentlicht: (2021)

Element learning: a systematic approach of accelerating finite element-type methods via machine learning, with applications to radiative transfer
von: Du, Shukai, et al.
Veröffentlicht: (2023)

Optimising seismic imaging design parameters via bilevel learning
von: Downing, Shaunagh, et al.
Veröffentlicht: (2023)

Modified least squares method and a review of its applications in machine learning and fractional differential/integral equations
von: Singh, Abhishek Kumar, et al.
Veröffentlicht: (2024)

Regularization of linear machine learning problems
von: Liu, S., et al.
Veröffentlicht: (2024)

Asymptotic analysis and design of linear elastic shell lattice metamaterials
von: Zhang, Di, et al.
Veröffentlicht: (2025)

A deep learning-based surrogate model for seismic data assimilation in fault activation modeling
von: Millevoi, Caterina, et al.
Veröffentlicht: (2024)

Physics-informed machine learning for reconstruction of dynamical systems with invariant measure score matching
von: Chen, Yongsheng, et al.
Veröffentlicht: (2026)

Size-effects of metamaterial beams subjected to pure bending: on boundary conditions and parameter identification in the relaxed micromorphic model
von: Sarhil, Mohammad, et al.
Veröffentlicht: (2022)

A characterization of linear independence of THB-splines in $\mathbb{R}^n$ and application to Bézier projection
von: Dijkstra, Kevin, et al.
Veröffentlicht: (2023)

Meshless method stencil evaluation with machine learning
von: Rot, Miha, et al.
Veröffentlicht: (2022)

Newton's method and its hybrid with machine learning for Navier-Stokes Darcy Models discretized by mixed element methods
von: Huang, Jianguo, et al.
Veröffentlicht: (2024)

Verified error bounds for the singular values of structured matrices with applications to computer-assisted proofs for differential equations
von: Terao, Takeshi, et al.
Veröffentlicht: (2025)

Physics informed learning of orthogonal features with applications in solving partial differential equations
von: Jia, Qianxing, et al.
Veröffentlicht: (2026)

Extreme learning machines for variance-based global sensitivity analysis
von: Darges, John, et al.
Veröffentlicht: (2022)

Accelerating seismic inversion and uncertainty quantification with efficient high-rank Hessian approximations
von: Hu, Mathew, et al.
Veröffentlicht: (2025)

Physics-informed sensor coverage through structure preserving machine learning
von: Shaffer, Benjamin David, et al.
Veröffentlicht: (2025)

Hermitian Quaternion Toeplitz Matrices by Quaternion-valued Generating Functions
von: Lin, Xue-lei, et al.
Veröffentlicht: (2025)

Reproducing kernel methods for machine learning, PDEs, and statistics
von: LeFloch, Philippe G., et al.
Veröffentlicht: (2024)

Sampling discretization of the uniform norm and applications
von: Kosov, E. D., et al.
Veröffentlicht: (2023)

On Godunov-type finite volume methods for seismic wave propagation
von: Barrios, Juan, et al.
Veröffentlicht: (2024)

Sampling strategies for expectation values within the Herman--Kluk approximation
von: Kröninger, Fabian, et al.
Veröffentlicht: (2024)

Static size-effects meet the dynamic scattering properties of finite-sized mechanical metamaterials: a relaxed micromorphic study with parameter identification via two-stage static-dynamic optimization
von: Sarhil, Mohammad, et al.
Veröffentlicht: (2025)

A fitted scheme for a Caputo initial-boundary value problem
von: Gracia, J. L., et al.
Veröffentlicht: (2024)

Certified machine learning: A posteriori error estimation for physics-informed neural networks
von: Hillebrecht, Birgit, et al.
Veröffentlicht: (2022)

Certified machine learning: Rigorous a posteriori error bounds for PDE defined PINNs
von: Hillebrecht, Birgit, et al.
Veröffentlicht: (2022)

On the low frequency flexural band gaps of a metamaterial plate with low porosity
von: Morey, Chaitanya, et al.
Veröffentlicht: (2024)

Physics-based machine learning for fatigue lifetime prediction under non-uniform loading scenarios
von: Baktheer, Abedulgader, et al.
Veröffentlicht: (2025)

Structure-preserving Lift & Learn: Scientific machine learning for nonlinear conservative partial differential equations
von: Sharma, Harsh, et al.
Veröffentlicht: (2025)

Augmented physics informed extreme learning machine to solve the biharmonic equations via Fourier expansions
von: Li, Xi'an, et al.
Veröffentlicht: (2023)

A DOFs condensation based algorithm for solving saddle point systems in contact computation
von: Duan, Xiaoyu, et al.
Veröffentlicht: (2024)

Randomized algorithms for Kroncecker tensor decomposition and applications
von: Ahmadi-Asl, Salman, et al.
Veröffentlicht: (2024)

Structure-preserving model reduction of Hamiltonian systems by learning a symplectic autoencoder
von: Niggl, F. K. J.
Veröffentlicht: (2024)