Buchumschlag

N-Adaptive Ritz Method: A Neural Network Enriched Partition of Unity for Boundary Value Problems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Baek, Jonghyuk, Wang, Yanran, Chen, J. S.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Numerical Analysis Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Support Vector Machine Guided Reproducing Kernel Particle Method for Image-Based Modeling of Microstructures
von: Wang, Yanran, et al.
Veröffentlicht: (2023)

An Iterative Deep Ritz Method for Monotone Elliptic Problems
von: Hu, Tianhao, et al.
Veröffentlicht: (2025)

A Natural Deep Ritz Method for Essential Boundary Value Problems
von: Yu, Haijun, et al.
Veröffentlicht: (2024)

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

Point Source Identification Using Singularity Enriched Neural Networks
von: Hu, Tianhao, et al.
Veröffentlicht: (2024)

Efficient Shallow Ritz Method For 1D Diffusion-Reaction Problems
von: Cai, Zhiqiang, et al.
Veröffentlicht: (2024)

A Multiple Transferable Neural Network Method with Domain Decomposition for Elliptic Interface Problems
von: Lu, Tianzheng, et al.
Veröffentlicht: (2025)

eXtended Physics Informed Neural Network Method for Fracture Mechanics Problems
von: Lotfalian, Amin, et al.
Veröffentlicht: (2025)

RUNNs: Ritz-Uzawa Neural Networks for Solving Variational Problems
von: Herrera, Pablo, et al.
Veröffentlicht: (2026)

Machine Learning Based Optimization Workflow for Tuning Numerical Settings of Differential Equation Solvers for Boundary Value Problems
von: Victor, Viny Saajan, et al.
Veröffentlicht: (2024)

Pychop: Emulating Low-Precision Arithmetic in Numerical Methods and Neural Networks
von: Carson, Erin, et al.
Veröffentlicht: (2025)

Extremization to Fine Tune Physics Informed Neural Networks for Solving Boundary Value Problems
von: Thiruthummal, Abhiram Anand, et al.
Veröffentlicht: (2024)

Adaptive-Distribution Randomized Neural Networks for PDEs: A Low-Dimensional Distribution-Learning Framework
von: Yang, You, et al.
Veröffentlicht: (2026)

Learning the Exact Time Integration Algorithm for Initial Value Problems by Randomized Neural Networks
von: Dong, Suchuan, et al.
Veröffentlicht: (2025)

Deep Ritz Physics-Informed Neural Network Method for Solving the Variational Inequality
von: Zhou, Qijia, et al.
Veröffentlicht: (2026)

Numerical Fragility in Transformers: A Layer-wise Theory for Explaining, Forecasting, and Mitigating Instability
von: Baek, Jinwoo
Veröffentlicht: (2025)

Smoothness Adaptivity in Constant-Depth Neural Networks: Optimal Rates via Smooth Activations
von: Liu, Yuhao, et al.
Veröffentlicht: (2026)

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

Adaptive Error-Bounded Hierarchical Matrices for Efficient Neural Network Compression
von: Mango, John, et al.
Veröffentlicht: (2024)

Matrix Phylogeny: Compact Spectral Fingerprints for Trap-Robust Preconditioner Selection
von: Baek, Jinwoo
Veröffentlicht: (2025)

Chebyshev Moment Regularization (CMR): Condition-Number Control with Moment Shaping
von: Baek, Jinwoo
Veröffentlicht: (2025)

Solving the Wide-band Inverse Scattering Problem via Equivariant Neural Networks
von: Zhang, Borong, et al.
Veröffentlicht: (2022)

Latent Neural Operator for Solving Forward and Inverse PDE Problems
von: Wang, Tian, et al.
Veröffentlicht: (2024)

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

Refined generalization analysis of the Deep Ritz Method and Physics-Informed Neural Networks
von: Xu, Xianliang, et al.
Veröffentlicht: (2024)

Inexact Uzawa-Double Deep Ritz Method for Weak Adversarial Neural Networks
von: Benny-Chacko, Emin, et al.
Veröffentlicht: (2025)

Parsimonious Physics-Informed Random Projection Neural Networks for Initial-Value Problems of ODEs and index-1 DAEs
von: Fabiani, Gianluca, et al.
Veröffentlicht: (2022)

Solving Forward and Inverse Problems of Contact Mechanics using Physics-Informed Neural Networks
von: Sahin, T., et al.
Veröffentlicht: (2023)

Adaptive-Growth Randomized Neural Networks for Level-Set Computation of Multivalued Nonlinear First-Order PDEs with Hyperbolic Characteristics
von: Dang, Haoning, et al.
Veröffentlicht: (2026)

PirateNets: Physics-informed Deep Learning with Residual Adaptive Networks
von: Wang, Sifan, et al.
Veröffentlicht: (2024)

Affine Invariant Ensemble Transform Methods to Improve Predictive Uncertainty in Neural Networks
von: Bhandari, Diksha, et al.
Veröffentlicht: (2023)

Data-Guided Physics-Informed Neural Networks for Solving Inverse Problems in Partial Differential Equations
von: Zhou, Wei, et al.
Veröffentlicht: (2024)

Solving Roughly Forced Nonlinear PDEs via Misspecified Kernel Methods and Neural Networks
von: Baptista, Ricardo, et al.
Veröffentlicht: (2025)

Convergence of Stochastic Gradient Methods for Wide Two-Layer Physics-Informed Neural Networks
von: Jin, Bangti, et al.
Veröffentlicht: (2025)

Data-Parallel Neural Network Training via Nonlinearly Preconditioned Trust-Region Method
von: Alegría, Samuel A. Cruz, et al.
Veröffentlicht: (2025)

Solving and learning advective multiscale Darcian dynamics with the Neural Basis Method
von: Wang, Yuhe, et al.
Veröffentlicht: (2026)

Estimating condition number with Graph Neural Networks
von: Carson, Erin, et al.
Veröffentlicht: (2026)

Revisiting Orbital Minimization Method for Neural Operator Decomposition
von: Ryu, J. Jon, et al.
Veröffentlicht: (2025)

Graph Neural Regularizers for PDE Inverse Problems
von: Lauga, William, et al.
Veröffentlicht: (2025)

Error Analysis of Three-Layer Neural Network Trained with PGD for Deep Ritz Method
von: Jiao, Yuling, et al.
Veröffentlicht: (2024)