Buchumschlag

Physics-informed neural network for modeling dynamic linear elasticity

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kag, Vijay, Gopinath, Venkatesh
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Neural and Evolutionary Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Investigating the generative dynamics of energy-based neural networks
von: Tausani, Lorenzo, et al.
Veröffentlicht: (2023)

Reconstructing shared dynamics with a deep neural network
von: Benkő, Zsigmond, et al.
Veröffentlicht: (2021)

A survey on learning models of spiking neural membrane systems and spiking neural networks
von: Paul, Prithwineel, et al.
Veröffentlicht: (2024)

Evolutionary feature selection for spiking neural network pattern classifiers
von: Valko, Michal, et al.
Veröffentlicht: (2026)

DelRec: learning delays in recurrent spiking neural networks
von: Queant, Alexandre, et al.
Veröffentlicht: (2025)

Evaluating Deep Neural Networks in Deployment (A Comparative and Replicability Study)
von: Pinconschi, Eduard, et al.
Veröffentlicht: (2024)

Exploiting heterogeneous delays for efficient computation in low-bit neural networks
von: Sun, Pengfei, et al.
Veröffentlicht: (2025)

Connectivity structure and dynamics of nonlinear recurrent neural networks
von: Clark, David G., et al.
Veröffentlicht: (2024)

Splitting physics-informed neural networks for inferring the dynamics of integer- and fractional-order neuron models
von: Shekarpaz, Simin, et al.
Veröffentlicht: (2023)

TDE-3: An improved prior for optical flow computation in spiking neural networks
von: Yedutenko, Matthew, et al.
Veröffentlicht: (2024)

A two-stage algorithm in evolutionary product unit neural networks for classification
von: Tallón-Ballesteros, Antonio J., et al.
Veröffentlicht: (2024)

Impact of leaky dynamics on predictive path integration accuracy in recurrent neural networks
von: Zhang, Yanlin, et al.
Veröffentlicht: (2026)

Towards free-response paradigm: a theory on decision-making in spiking neural networks
von: Zhu, Zhichao, et al.
Veröffentlicht: (2024)

Information flow and Laplacian dynamics on local optima networks
von: Richter, Hendrik, et al.
Veröffentlicht: (2024)

When Spiking neural networks meet temporal attention image decoding and adaptive spiking neuron
von: Qiu, Xuerui, et al.
Veröffentlicht: (2024)

STCSNN: High energy efficiency spike-train level spiking neural networks with spatio-temporal conversion
von: Xu, Changqing, et al.
Veröffentlicht: (2023)

Parameter efficient hybrid spiking-quantum convolutional neural network with surrogate gradient and quantum data-reupload
von: Nhan, Luu Trong, et al.
Veröffentlicht: (2025)

Implementation of high-efficiency, lightweight residual spiking neural network processor based on field-programmable gate arrays
von: Yue, Hou, et al.
Veröffentlicht: (2025)

CMOS-based area-and-power-efficient neuron and synapse circuits for time-domain analog spiking neural networks
von: Chen, Xiangyu, et al.
Veröffentlicht: (2022)

SO-PIFRNN: Self-optimization physics-informed Fourier-features randomized neural network for solving partial differential equations
von: Linghu, Jiale, et al.
Veröffentlicht: (2025)

Artificial intelligence as a surrogate brain: Bridging neural dynamical models and data
von: Zhang, Yinuo, et al.
Veröffentlicht: (2025)

DYNAP-SE2: a scalable multi-core dynamic neuromorphic asynchronous spiking neural network processor
von: Richter, Ole, et al.
Veröffentlicht: (2023)

Uniform-in-time concentration in two-layer neural networks via transportation inequalities
von: Guillin, Arnaud, et al.
Veröffentlicht: (2026)

A fast and accurate physics-informed neural network reduced order model with shallow masked autoencoder
von: Kim, Youngkyu, et al.
Veröffentlicht: (2020)

Gated recurrent neural networks discover attention
von: Zucchet, Nicolas, et al.
Veröffentlicht: (2023)

Universality of reservoir systems with recurrent neural networks
von: Yasumoto, Hiroki, et al.
Veröffentlicht: (2024)

A Wachspress-based transfinite formulation for exactly enforcing Dirichlet boundary conditions on convex polygonal domains in physics-informed neural networks
von: Sukumar, N., et al.
Veröffentlicht: (2026)

Training neural networks without backpropagation using particles
von: Kumar, Deepak
Veröffentlicht: (2024)

Learning fast changing slow in spiking neural networks
von: Capone, Cristiano, et al.
Veröffentlicht: (2024)

Designing deep neural networks for driver intention recognition
von: Vellenga, Koen, et al.
Veröffentlicht: (2024)

Heterogeneous quantization regularizes spiking neural network activity
von: Moyal, Roy, et al.
Veröffentlicht: (2024)

Learning richness modulates equality reasoning in neural networks
von: Tong, William L., et al.
Veröffentlicht: (2025)

Complex-valued universal linear transformations and image encryption using spatially incoherent diffractive networks
von: Yang, Xilin, et al.
Veröffentlicht: (2023)

Improved weight initialization for deep and narrow feedforward neural network
von: Lee, Hyunwoo, et al.
Veröffentlicht: (2023)

Spike-based computation using classical recurrent neural networks
von: De Geeter, Florent, et al.
Veröffentlicht: (2023)

Teaching signal synchronization in deep neural networks with prospective neurons
von: Zucchet, Nicoas, et al.
Veröffentlicht: (2025)

Three factor delay learning rules for spiking neural networks
von: Vassallo, Luke, et al.
Veröffentlicht: (2026)

New advances in universal approximation with neural networks of minimal width
von: Rochau, Dennis, et al.
Veröffentlicht: (2024)

Hypercomplex neural network in time series forecasting of stock data
von: Kycia, Radosław, et al.
Veröffentlicht: (2024)

Reinitializing weights vs units for maintaining plasticity in neural networks
von: Hernandez-Garcia, J. Fernando, et al.
Veröffentlicht: (2025)