Buchumschlag

Hierarchical deep learning-based adaptive time-stepping scheme for multiscale simulations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hamid, Asif, Rafiq, Danish, Nahvi, Shahkar Ahmad, Bazaz, Mohammad Abid
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Dynamical Systems Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Enhancing Computational Efficiency in Multiscale Systems Using Deep Learning of Coordinates and Flow Maps
von: Hamid, Asif, et al.
Veröffentlicht: (2024)

RefreshNet: Learning Multiscale Dynamics through Hierarchical Refreshing
von: Farooq, Junaid, et al.
Veröffentlicht: (2024)

Some contributions to Lagrangian modelling of Power Converters
von: Sofi, Shakir Showkat, et al.
Veröffentlicht: (2024)

How deep is your network? Deep vs. shallow learning of transfer operators
von: Tabish, Mohammad, et al.
Veröffentlicht: (2025)

Nonlinear Model Order Reduction of Power Grid Networks using Quadratic Manifolds
von: Farooq, Farhana, et al.
Veröffentlicht: (2025)

Predicting discrete-time bifurcations with deep learning
von: Bury, Thomas M., et al.
Veröffentlicht: (2023)

Discovering Power Grid Dynamics from Data Using Low-Rank Sparse Modeling
von: Purra, Aiman Mushtaq, et al.
Veröffentlicht: (2025)

How iteration order influences convergence and stability in deep learning
von: Dherin, Benoit, et al.
Veröffentlicht: (2025)

A probabilistic framework for learning non-intrusive corrections to long-time climate simulations from short-time training data
von: Sorensen, Benedikt Barthel, et al.
Veröffentlicht: (2024)

Improved deep learning of chaotic dynamical systems with multistep penalty losses
von: Chakraborty, Dibyajyoti, et al.
Veröffentlicht: (2024)

Learning dynamical systems from data: Gradient-based dictionary optimization
von: Tabish, Mohammad, et al.
Veröffentlicht: (2024)

Koopman-based surrogate modeling for reinforcement-learning-control of Rayleigh-Benard convection
von: Plotzki, Tim, et al.
Veröffentlicht: (2026)

Delay-adaptive Control of Nonlinear Systems with Approximate Neural Operator Predictors
von: Bhan, Luke, et al.
Veröffentlicht: (2025)

Dictionary learning for Kernel EDMD
von: Bolager, Erik Lien, et al.
Veröffentlicht: (2026)

Deep learning and the rate of approximation by flows
von: Cheng, Jingpu, et al.
Veröffentlicht: (2026)

Optimization of randomized neural networks for transfer operator approximation
von: Tabish, Mohammad, et al.
Veröffentlicht: (2026)

Stabilization of nonlinear systems with unknown delays via delay-adaptive neural operator approximate predictors
von: Bhan, Luke, et al.
Veröffentlicht: (2025)

Deep learning for predicting the occurrence of tipping points
von: Zhuge, Chengzuo, et al.
Veröffentlicht: (2024)

Multi-Hierarchical Surrogate Learning for Structural Dynamical Crash Simulations Using Graph Convolutional Neural Networks
von: Kneifl, Jonas, et al.
Veröffentlicht: (2024)

Deep learning for model correction of dynamical systems with data scarcity
von: Tatsuoka, Caroline, et al.
Veröffentlicht: (2024)

Machine-learning invariant foliations in forced systems for reduced order modelling
von: Szalai, Robert
Veröffentlicht: (2024)

Fractional neural attention for efficient multiscale sequence processing
von: Qu, Cheng Kevin, et al.
Veröffentlicht: (2025)

One-shot learning for the complex dynamical behaviors of weakly nonlinear forced oscillators
von: Ma, Teng, et al.
Veröffentlicht: (2026)

State Estimation Using Sparse DEIM and Recurrent Neural Networks
von: Farazmand, Mohammad
Veröffentlicht: (2024)

Noise-induced degeneration in online learning
von: Sato, Yuzuru, et al.
Veröffentlicht: (2020)

Likelihood-Free Inference and Hierarchical Data Assimilation for Geological Carbon Storage
von: Teng, Wenchao, et al.
Veröffentlicht: (2024)

A competitive baseline for deep learning enhanced data assimilation using conditional Gaussian ensemble Kalman filtering
von: Malik, Zachariah, et al.
Veröffentlicht: (2024)

Improving physics-informed neural network extrapolation via transfer learning and adaptive activation functions
von: Papastathopoulos-Katsaros, Athanasios, et al.
Veröffentlicht: (2025)

Let's do the time-warp-attend: Learning topological invariants of dynamical systems
von: Moriel, Noa, et al.
Veröffentlicht: (2023)

Reservoir Computing with Generalized Readout based on Generalized Synchronization
von: Ookubo, Akane, et al.
Veröffentlicht: (2024)

Dynamical Systems Theory Behind a Hierarchical Reasoning Model
von: Es'kin, Vasiliy A., et al.
Veröffentlicht: (2026)

The Recurrent Sticky Hierarchical Dirichlet Process Hidden Markov Model
von: Słupiński, Mikołaj, et al.
Veröffentlicht: (2024)

WGFINNs: Weak formulation-based GENERIC formalism informed neural networks
von: Park, Jun Sur Richard, et al.
Veröffentlicht: (2026)

Hierarchy of extreme-event predictability in turbulence revealed by machine learning
von: Yang, Yuxuan, et al.
Veröffentlicht: (2026)

Model-based deep reinforcement learning for accelerated learning from flow simulations
von: Weiner, Andre, et al.
Veröffentlicht: (2024)

Attractor learning for spatiotemporally chaotic dynamical systems using echo state networks with transfer learning
von: Alam, Mohammad Shah, et al.
Veröffentlicht: (2025)

Fast reconstruction of degenerate populations of conductance-based neuron models from spike times
von: Brandoit, Julien, et al.
Veröffentlicht: (2025)

Learning Koopman-based Stability Certificates for Unknown Nonlinear Systems
von: Zhou, Ruikun, et al.
Veröffentlicht: (2024)

Bayesian identification of nonseparable Hamiltonians with multiplicative noise using deep learning and reduced-order modeling
von: Galioto, Nicholas, et al.
Veröffentlicht: (2024)

Machine Learning for the identification of phase-transitions in interacting agent-based systems: a Desai-Zwanzig example
von: Evangelou, Nikolaos, et al.
Veröffentlicht: (2023)