Buchumschlag

PINNsFailureRegion Localization and Refinement through White-box AdversarialAttack

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shi, Shengzhu, Li, Yao, Guo, Zhichang, Wu, Boying, Zhao, Yang
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Numerical Analysis
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Incorporating Local Hölder Regularity into PINNs for Solving Elliptic PDEs
von: Zhou, Qirui, et al.
Veröffentlicht: (2025)

On a nonlinear nonlocal reaction-diffusion system applied to image restoration
von: Li, Yuhang, et al.
Veröffentlicht: (2024)

Latent Geometric Chords for Query-Efficient Decision-Based Adversarial Attacks
von: Khine, Ei Hmue, et al.
Veröffentlicht: (2026)

Understanding the Difficulty of Solving Cauchy Problems with PINNs
von: Wang, Tao, et al.
Veröffentlicht: (2024)

RL-PINNs: Reinforcement Learning-Driven Adaptive Sampling for Efficient Training of PINNs
von: Song, Zhenao
Veröffentlicht: (2025)

Integral regularization PINNs for evolution equations
von: Feng, Xiaodong, et al.
Veröffentlicht: (2025)

Auto-Adaptive PINNs with Applications to Phase Transitions
von: Buck, Kevin, et al.
Veröffentlicht: (2025)

E-PINNs: Epistemic Physics-Informed Neural Networks
von: Jacob, Bruno, et al.
Veröffentlicht: (2025)

Multi-Preconditioned LBFGS for Training Finite-Basis PINNs
von: Salvadó-Benasco, Marc, et al.
Veröffentlicht: (2026)

Accelerating Fractional PINNs using Operational Matrices of Derivative
von: Taheri, Tayebeh, et al.
Veröffentlicht: (2024)

Dynamical Low-Rank Compression of Neural Networks with Robustness under Adversarial Attacks
von: Schotthöfer, Steffen, et al.
Veröffentlicht: (2025)

One-Shot Transfer Learning for Nonlinear PDEs with Perturbative PINNs
von: Auroy, Samuel, et al.
Veröffentlicht: (2025)

Using Parametric PINNs for Predicting Internal and External Turbulent Flows
von: Ghosh, Shinjan, et al.
Veröffentlicht: (2024)

TGPT-PINN: Nonlinear model reduction with transformed GPT-PINNs
von: Chen, Yanlai, et al.
Veröffentlicht: (2024)

Beyond Derivative Pathology of PINNs: Variable Splitting Strategy with Convergence Analysis
von: Park, Yesom, et al.
Veröffentlicht: (2024)

High precision PINNs in unbounded domains: application to singularity formulation in PDEs
von: Wang, Yixuan, et al.
Veröffentlicht: (2025)

Deflation-PINNs: Learning Multiple Solutions for PDEs and Landau-de Gennes
von: Disarò, Sean, et al.
Veröffentlicht: (2026)

Accelerating Natural Gradient Descent for PINNs with Randomized Numerical Linear Algebra
von: Bioli, Ivan, et al.
Veröffentlicht: (2025)

PINNs error estimates for nonlinear equations in $\mathbb{R}$-smooth Banach spaces
von: Gao, Jiexing, et al.
Veröffentlicht: (2023)

Investigating the Ability of PINNs To Solve Burgers' PDE Near Finite-Time BlowUp
von: Kumar, Dibyakanti, et al.
Veröffentlicht: (2023)

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

Boundary condition enforcement with PINNs: a comparative study and verification on 3D geometries
von: Rowan, Conor, et al.
Veröffentlicht: (2025)

Stochastic Dimension Implicit Functional Projections for Exact Integral Conservation in High-Dimensional PINNs
von: Liang, Zhangyong
Veröffentlicht: (2026)

Geometry-aware PINNs for Turbulent Flow Prediction
von: Ghosh, Shinjan, et al.
Veröffentlicht: (2024)

SVD-PINNs: Transfer Learning of Physics-Informed Neural Networks via Singular Value Decomposition
von: Gao, Yihang, et al.
Veröffentlicht: (2022)

Low-Rank Adversarial PGD Attack
von: Savostianova, Dayana, et al.
Veröffentlicht: (2024)

KD-PINN: Knowledge-Distilled PINNs for ultra-low-latency real-time neural PDE solvers
von: Bounja, Karim, et al.
Veröffentlicht: (2025)

Improving PINNs By Algebraic Inclusion of Boundary and Initial Conditions
von: Ren, Mohan, et al.
Veröffentlicht: (2024)

Physics-informed neural networks (PINNs) for numerical model error approximation and superresolution
von: Zhuang, Bozhou, et al.
Veröffentlicht: (2024)

Comparison of Trefftz-Based PINNs and Standard PINNs Focusing on Structure Preservation
von: Koyamada, Koji
Veröffentlicht: (2026)

HomPINNs: homotopy physics-informed neural networks for solving the inverse problems of nonlinear differential equations with multiple solutions
von: Zheng, Haoyang, et al.
Veröffentlicht: (2023)

BWLer: Barycentric Weight Layer Elucidates a Precision-Conditioning Tradeoff for PINNs
von: Liu, Jerry, et al.
Veröffentlicht: (2025)

Scaling Laws and Pathologies of Single-Layer PINNs: Network Width and PDE Nonlinearity
von: Chaudhry, Faris
Veröffentlicht: (2026)

Convergence Analysis of PINNs for Fractional Diffusion Equations in Bounded Domains
von: Abdo, Elie, et al.
Veröffentlicht: (2026)

Revisiting Conservativeness in Fluid Dynamics: Failure of Non-Conservative PINNs and a Path-Integral Remedy
von: Neelan, Arun Govind, et al.
Veröffentlicht: (2026)

From Frequency Bias to Spectral Balance: Operator-Aware Preconditioners for PINNs
von: He, Roy Y., et al.
Veröffentlicht: (2026)

Do physics-informed neural networks (PINNs) need to be deep? Shallow PINNs using the Levenberg-Marquardt algorithm
von: Shahab, Muhammad Luthfi, et al.
Veröffentlicht: (2026)

Transformed Diffusion-Wave fPINNs: Enhancing Computing Efficiency for PINNs Solving Time-Fractional Diffusion-Wave Equations
von: Li, Jing, et al.
Veröffentlicht: (2025)

Adversarial Adaptive Sampling: Unify PINN and Optimal Transport for the Approximation of PDEs
von: Tang, Kejun, et al.
Veröffentlicht: (2023)

Numerical Robustness of PINNs for Multiscale Transport Equations
von: Jesser, Alexander, et al.
Veröffentlicht: (2024)