Buchumschlag

Multi-Hierarchical Surrogate Learning for Structural Dynamical Crash Simulations Using Graph Convolutional Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kneifl, Jonas, Fehr, Jörg, Brunton, Steven L., Kutz, J. Nathan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Dynamical Systems
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

VENI, VINDy, VICI: a generative reduced-order modeling framework with uncertainty quantification
von: Conti, Paolo, et al.
Veröffentlicht: (2024)

On using Machine Learning Algorithms for Motorcycle Collision Detection
von: Rodegast, Philipp, et al.
Veröffentlicht: (2024)

SINDy-RL: Interpretable and Efficient Model-Based Reinforcement Learning
von: Zolman, Nicholas, et al.
Veröffentlicht: (2024)

Data-driven identification of latent port-Hamiltonian systems
von: Rettberg, Johannes, et al.
Veröffentlicht: (2024)

Learning Nonlinear Dynamics Using Kalman Smoothing
von: Stevens-Haas, Jacob, et al.
Veröffentlicht: (2024)

The Experimental Multi-Arm Pendulum on a Cart: A Benchmark System for Chaos, Learning, and Control
von: Kaheman, Kadierdan, et al.
Veröffentlicht: (2022)

Low-dimensional Data-based Surrogate Model of a Continuum-mechanical Musculoskeletal System Based on Non-intrusive Model Order Reduction
von: Kneifl, Jonas, et al.
Veröffentlicht: (2023)

Saddle Transport and Chaos in the Double Pendulum
von: Kaheman, Kadierdan, et al.
Veröffentlicht: (2022)

Long Sequence Decoder Network for Mobile Sensing
von: Mei, Jiazhong, et al.
Veröffentlicht: (2024)

Reduced Order Modeling with Shallow Recurrent Decoder Networks
von: Tomasetto, Matteo, et al.
Veröffentlicht: (2025)

Reservoir computing for system identification and predictive control with limited data
von: Williams, Jan P., et al.
Veröffentlicht: (2024)

Sparse identification of nonlinear dynamics and Koopman operators with Shallow Recurrent Decoder Networks
von: Gao, Mars Liyao, et al.
Veröffentlicht: (2025)

Optimized Dynamic Mode Decomposition for Reconstruction and Forecasting of Atmospheric Chemistry Data
von: Velegar, Meghana, et al.
Veröffentlicht: (2024)

Phasor notation of Dynamic Mode Decomposition
von: Lapo, Karl, et al.
Veröffentlicht: (2025)

Information theory and discriminative sampling for model discovery
von: Bao, Yuxuan, et al.
Veröffentlicht: (2025)

Koopman-Assisted Reinforcement Learning
von: Rozwood, Preston, et al.
Veröffentlicht: (2024)

PyDMD: A Python package for robust dynamic mode decomposition
von: Ichinaga, Sara M., et al.
Veröffentlicht: (2024)

Separation of periodic orbits in the delay embedded space of chaotic attractors
von: Patil, Prerna, et al.
Veröffentlicht: (2024)

Towards Using Active Learning Methods for Human-Seat Interactions To Generate Realistic Occupant Motion
von: Fahse, Niklas, et al.
Veröffentlicht: (2024)

Trustworthy Koopman Operator Learning: Invariance Diagnostics and Error Bounds
von: Conradie, Gustav, et al.
Veröffentlicht: (2026)

Dynamic Human Body Models in Vehicle Safety: An Overview
von: Fahse, Niklas, et al.
Veröffentlicht: (2023)

Linear Recurrent Neural Networks as Time-Delay Embeddings
von: Ng, Fisher, et al.
Veröffentlicht: (2026)

Continuous Data Assimilation with Learned Surrogate Dynamics
von: Li, Wenwen, et al.
Veröffentlicht: (2026)

Teacher Forcing as Generalized Bayes: Optimization Geometry Mismatch in Switching Surrogates for Chaotic Dynamics
von: Herz, Andre, et al.
Veröffentlicht: (2026)

Sensing with shallow recurrent decoder networks
von: Williams, Jan P., et al.
Veröffentlicht: (2023)

PINN-Obs: Physics-Informed Neural Network-Based Observer for Nonlinear Dynamical Systems
von: Farkane, Ayoub, et al.
Veröffentlicht: (2025)

A Novel Neural Filter to Improve Accuracy of Neural Network Models of Dynamic Systems
von: Oveissi, Parham, et al.
Veröffentlicht: (2024)

Cheap2Rich: A Multi-Fidelity Framework for Data Assimilation and System Identification of Multiscale Physics -- Rotating Detonation Engines
von: Bao, Yuxuan, et al.
Veröffentlicht: (2026)

A joint optimization approach to identifying sparse dynamics using least squares kernel collocation
von: Hsu, Alexander W., et al.
Veröffentlicht: (2025)

Data-Driven Discovery of a New Ginzburg-Landau Reduced-Order Model for Vortex Shedding
von: Williams, Joseph J., et al.
Veröffentlicht: (2024)

Neural Context Flows for Meta-Learning of Dynamical Systems
von: Nzoyem, Roussel Desmond, et al.
Veröffentlicht: (2024)

PySHRED: A Python package for SHallow REcurrent Decoding for sparse sensing, model reduction and scientific discovery
von: Ye, David, et al.
Veröffentlicht: (2025)

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

Backpropagation on Dynamical Networks
von: Tan, Eugene, et al.
Veröffentlicht: (2022)

Machine Learning for Complex Systems Dynamics: Detecting Bifurcations in Dynamical Systems with Deep Neural Networks
von: Pal, Swadesh, et al.
Veröffentlicht: (2026)

Embedded Variational Neural Stochastic Differential Equations for Learning Heterogeneous Dynamics
von: Samota, Sandeep Kumar, et al.
Veröffentlicht: (2026)

Deep Generative Modeling for Identification of Noisy, Non-Stationary Dynamical Systems
von: Voina, Doris, et al.
Veröffentlicht: (2024)

Learning From Simulators: A Theory of Simulation-Grounded Learning
von: Dudley, Carson, et al.
Veröffentlicht: (2025)

Learning Dissipative Neural Dynamical Systems
von: Xu, Yuezhu, et al.
Veröffentlicht: (2023)

Neural Ordinary Differential Equations for Learning and Extrapolating System Dynamics Across Bifurcations
von: van Tegelen, Eva, et al.
Veröffentlicht: (2025)