Buchumschlag

Enhancing training of physics-informed neural networks using domain-decomposition based preconditioning strategies

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kopaničáková, Alena, Kothari, Hardik, Karniadakis, George Em, Krause, Rolf
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Numerical Analysis Machine Learning Optimization and Control 90C30, 90C26, 90C06, 65M55, 68T07
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Two-level overlapping additive Schwarz preconditioner for training scientific machine learning applications
von: Lee, Youngkyu, et al.
Veröffentlicht: (2024)

Representation and Regression Problems in Neural Networks: Relaxation, Generalization, and Numerics
von: Liu, Kang, et al.
Veröffentlicht: (2024)

Effectively Leveraging Momentum Terms in Stochastic Line Search Frameworks for Fast Optimization of Finite-Sum Problems
von: Lapucci, Matteo, et al.
Veröffentlicht: (2024)

Convergence Conditions for Stochastic Line Search Based Optimization of Over-parametrized Models
von: Lapucci, Matteo, et al.
Veröffentlicht: (2024)

Moments, Time-Inversion and Source Identification for the Heat Equation
von: Liu, Kang, et al.
Veröffentlicht: (2025)

Accelerating preconditioned ADMM via degenerate proximal point mappings
von: Sun, Defeng, et al.
Veröffentlicht: (2024)

Sample-wise Constrained Learning via a Sequential Penalty Approach with Applications in Image Processing
von: Lanzillotta, Francesca, et al.
Veröffentlicht: (2026)

On Tackling High-Dimensional Nonconvex Stochastic Optimization via Stochastic First-Order Methods with Non-smooth Proximal Terms and Variance Reduction
von: Xie, Yue, et al.
Veröffentlicht: (2025)

Decentralized projected Riemannian stochastic recursive momentum method for nonconvex optimization
von: Deng, Kangkang, et al.
Veröffentlicht: (2024)

Improving Convergence Guarantees of Random Subspace Second-order Algorithm for Nonconvex Optimization
von: Higuchi, Rei, et al.
Veröffentlicht: (2024)

A new envelope function for nonsmooth DC optimization
von: Themelis, Andreas, et al.
Veröffentlicht: (2020)

On convergence of a $q$-random coordinate constrained algorithm for non-convex problems
von: Ghaffari-Hadigheh, Alireza, et al.
Veröffentlicht: (2022)

A Neural-Operator Preconditioned Newton Method for Accelerated Nonlinear Solvers
von: Lee, Youngkyu, et al.
Veröffentlicht: (2025)

New vector transport operators extending a Riemannian CG algorithm to generalized Stiefel manifold with low-rank applications
von: Wang, Xuejie, et al.
Veröffentlicht: (2023)

An Augmented Lagrangian Method for Training Recurrent Neural Networks
von: Wang, Yue, et al.
Veröffentlicht: (2024)

Global Convergence of Sampling-Based Nonconvex Optimization through Diffusion-Style Smoothing
von: Yi, Zeji, et al.
Veröffentlicht: (2026)

High Probability Guarantees for Random Reshuffling
von: Yu, Hengxu, et al.
Veröffentlicht: (2023)

Alternating minimization for square root principal component pursuit
von: Deng, Shengxiang, et al.
Veröffentlicht: (2024)

Stochastic First-Order Methods with Non-smooth and Non-Euclidean Proximal Terms for Nonconvex High-Dimensional Stochastic Optimization
von: Xie, Yue, et al.
Veröffentlicht: (2024)

A preconditioned augmented Lagrangian method for solving semidefinite programming problems
von: Tang, Tianyun, et al.
Veröffentlicht: (2026)

Global Solutions to Non-Convex Functional Constrained Problems with Hidden Convexity
von: Fatkhullin, Ilyas, et al.
Veröffentlicht: (2025)

Shuffling the Stochastic Mirror Descent via Dual Lipschitz Continuity and Kernel Conditioning
von: Qiu, Junwen, et al.
Veröffentlicht: (2026)

A KL-based Analysis Framework with Applications to Non-Descent Optimization Methods
von: Qiu, Junwen, et al.
Veröffentlicht: (2024)

Stochastic Optimization under Hidden Convexity
von: Fatkhullin, Ilyas, et al.
Veröffentlicht: (2023)

Optimization with Trained Machine Learning Models Embedded
von: Schweidtmann, Artur M., et al.
Veröffentlicht: (2022)

Performance Estimation of second-order optimization methods on classes of univariate functions
von: Rubbens, Anne, et al.
Veröffentlicht: (2025)

Level Constrained First Order Methods for Function Constrained Optimization
von: Boob, Digvijay, et al.
Veröffentlicht: (2022)

Fast Frank--Wolfe Algorithms with Adaptive Bregman Step-Size for Weakly Convex Functions
von: Takahashi, Shota, et al.
Veröffentlicht: (2025)

PANOC-lite: A simpler and more efficient algorithm for composite minimization
von: Bodard, Alexander, et al.
Veröffentlicht: (2026)

Distributed Computing for Huge-Scale Aggregative Convex Programming
von: Tao, Luoyi
Veröffentlicht: (2026)

Faster Adaptive Optimization via Expected Gradient Outer Product Reparameterization
von: DePavia, Adela, et al.
Veröffentlicht: (2025)

Proximal Limited-Memory Quasi-Newton Methods for Nonsmooth Nonconvex Optimization
von: Dahl, Simeon vom, et al.
Veröffentlicht: (2026)

Randomized block proximal method with locally Lipschitz continuous gradient
von: Pérez-Aros, Pedro, et al.
Veröffentlicht: (2025)

Solving Regularized Multifacility Location Problems with Unknown Number of Centers via Difference-of-Convex Optimization
von: Geremew, W., et al.
Veröffentlicht: (2026)

Stochastic Algorithms for Large-Scale Composite Optimization: the Case of Single-Shot X-FEL Imaging
von: Luke, D. Russell, et al.
Veröffentlicht: (2024)

SUDA-Muon: Structural Design Principles and Boundaries for Fully Decentralized Muon
von: Zhang, Hengrui, et al.
Veröffentlicht: (2026)

Low solution rank of the matrix LASSO under RIP with consequences for rank-constrained algorithms
von: McRae, Andrew D.
Veröffentlicht: (2024)

Global Optimization of Gaussian processes
von: Schweidtmann, Artur M., et al.
Veröffentlicht: (2020)

Tractable downfall of basis pursuit in structured sparse optimization
von: Marmary, Maya V., et al.
Veröffentlicht: (2025)

A globalization of L-BFGS and the Barzilai-Borwein method for nonconvex unconstrained optimization
von: Mannel, Florian
Veröffentlicht: (2024)