Buchumschlag

MgNO: Efficient Parameterization of Linear Operators via Multigrid

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	He, Juncai, Liu, Xinliang, Xu, Jinchao
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

MgNet: A Unified Framework of Multigrid and Convolutional Neural Network
von: He, Juncai, et al.
Veröffentlicht: (2019)

Deep Neural Networks and Finite Elements of Any Order on Arbitrary Dimensions
von: He, Juncai, et al.
Veröffentlicht: (2023)

Expressivity and Approximation Properties of Deep Neural Networks with ReLU$^k$ Activation
von: He, Juncai, et al.
Veröffentlicht: (2023)

Condition Numbers and Eigenvalue Spectra of Shallow Networks on Spheres
von: Liu, Xinliang, et al.
Veröffentlicht: (2025)

Sharp Lower Bounds for Linearized ReLU^k Approximation on the Sphere
von: Mao, Tong, et al.
Veröffentlicht: (2025)

Integral Representations of Sobolev Spaces via ReLU$^k$ Activation Function and Optimal Error Estimates for Linearized Networks
von: Liu, Xinliang, et al.
Veröffentlicht: (2025)

Self-Composing Neural Operators with Depth and Accuracy Scaling via Adaptive Train-and-Unroll Approach
von: He, Juncai, et al.
Veröffentlicht: (2025)

Green Multigrid Network
von: Lin, Ye, et al.
Veröffentlicht: (2024)

Newton Informed Neural Operator for Computing Multiple Solutions of Nonlinear Partials Differential Equations
von: Hao, Wenrui, et al.
Veröffentlicht: (2024)

UGrid: An Efficient-And-Rigorous Neural Multigrid Solver for Linear PDEs
von: Han, Xi, et al.
Veröffentlicht: (2024)

Deeper or Wider: A Perspective from Optimal Generalization Error with Sobolev Loss
von: Yang, Yahong, et al.
Veröffentlicht: (2024)

Dilated convolution neural operator for multiscale partial differential equations
von: Xu, Bo, et al.
Veröffentlicht: (2024)

On the Dimension-Free Approximation of Deep Neural Networks for Symmetric Korobov Functions
von: Lu, Yulong, et al.
Veröffentlicht: (2025)

Stabilizing and Solving Unique Continuation Problems by Parameterizing Data and Learning Finite Element Solution Operators
von: Burman, Erik, et al.
Veröffentlicht: (2024)

In-Context Learning of Linear Systems: Generalization Theory and Applications to Operator Learning
von: Cole, Frank, et al.
Veröffentlicht: (2024)

Divergence-free Linearized Neural Networks: Integral Representation and Optimal Approximation Rates
von: He, Juncai, et al.
Veröffentlicht: (2026)

Efficient Tensor Completion Algorithms for Highly Oscillatory Operators
von: Singh, Navjot, et al.
Veröffentlicht: (2025)

Controlling Statistical, Discretization, and Truncation Errors in Learning Fourier Linear Operators
von: Subedi, Unique, et al.
Veröffentlicht: (2024)

Mitigating spectral bias for the multiscale operator learning
von: Liu, Xinliang, et al.
Veröffentlicht: (2022)

Parameterized Physics-informed Neural Networks for Parameterized PDEs
von: Cho, Woojin, et al.
Veröffentlicht: (2024)

Learning reduced-order Quadratic-Linear models in Process Engineering using Operator Inference
von: Gosea, Ion Victor, et al.
Veröffentlicht: (2024)

Operator SVD with Neural Networks via Nested Low-Rank Approximation
von: Ryu, J. Jon, et al.
Veröffentlicht: (2024)

Diffeomorphism Neural Operator for various domains and parameters of partial differential equations
von: Zhao, Zhiwei, et al.
Veröffentlicht: (2024)

Data-driven Learning of Interaction Laws in Multispecies Particle Systems with Gaussian Processes: Convergence Theory and Applications
von: Feng, Jinchao, et al.
Veröffentlicht: (2025)

A MgNO Method for Multiphase Flow in Porous Media
von: Liu, Xinliang, et al.
Veröffentlicht: (2024)

Efficient Transformer-Inspired Variants of Physics-Informed Deep Operator Networks
von: Wei, Zhi-Feng, et al.
Veröffentlicht: (2025)

Spectral Audit of In-Context Operator Networks
von: Gao, Zhiwei, et al.
Veröffentlicht: (2026)

Data-Efficient Kernel Methods for Learning Differential Equations and Their Solution Operators: Algorithms and Error Analysis
von: Jalalian, Yasamin, et al.
Veröffentlicht: (2025)

A Numerical Method for Coupling Parameterized Physics-Informed Neural Networks and FDM for Advanced Thermal-Hydraulic System Simulation
von: Shin, Jeesuk, et al.
Veröffentlicht: (2026)

Operator Learning of Lipschitz Operators: An Information-Theoretic Perspective
von: Lanthaler, Samuel
Veröffentlicht: (2024)

Universal Approximation of Operators with Transformers and Neural Integral Operators
von: Zappala, Emanuele, et al.
Veröffentlicht: (2024)

MODNO: Multi Operator Learning With Distributed Neural Operators
von: Zhang, Zecheng
Veröffentlicht: (2024)

Sketch 'n Solve: An Efficient Python Package for Large-Scale Least Squares Using Randomized Numerical Linear Algebra
von: Lavaee, Alex
Veröffentlicht: (2024)

On Compatible Transfer Operators in Nonsymmetric Algebraic Multigrid
von: Southworth, Ben S., et al.
Veröffentlicht: (2023)

Fourier Neural Operator with Learned Deformations for PDEs on General Geometries
von: Li, Zongyi, et al.
Veröffentlicht: (2022)

Causal Operator Discovery in Partial Differential Equations via Counterfactual Physics-Informed Neural Networks
von: Katende, Ronald
Veröffentlicht: (2025)

Learning Discontinuous Galerkin Solutions to Elliptic Problems via Small Linear Convolutional Neural Networks
von: Celaya, Adrian, et al.
Veröffentlicht: (2025)

Neural Operator: Learning Maps Between Function Spaces
von: Kovachki, Nikola, et al.
Veröffentlicht: (2021)

UFO: A Domain-Unification-Free Operator Framework for Generalized Operator Learning
von: Qiao, Hanli, et al.
Veröffentlicht: (2026)

DeepRitzSplit Neural Operator for Phase-Field Models via Energy Splitting
von: Huang, Chih-Kang, et al.
Veröffentlicht: (2026)