Buchumschlag

Invertible Fourier Neural Operators for Tackling Both Forward and Inverse Problems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Long, Da, Xu, Zhitong, Yuan, Qiwei, Yang, Yin, Zhe, Shandian
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Arbitrarily Conditioned Hierarchical Flows for Spatiotemporal Events
von: Chen, Keyan, et al.
Veröffentlicht: (2026)

Pseudo-Physics-Informed Neural Operators: Enhancing Operator Learning from Limited Data
von: Chen, Keyan, et al.
Veröffentlicht: (2025)

Arbitrarily-Conditioned Multi-Functional Diffusion for Multi-Physics Emulation
von: Long, Da, et al.
Veröffentlicht: (2024)

Tensor Gaussian Processes: Efficient Solvers for Nonlinear PDEs
von: Yuan, Qiwei, et al.
Veröffentlicht: (2025)

Kronecker-Structured Nonparametric Spatiotemporal Point Processes
von: Xu, Zhitong, et al.
Veröffentlicht: (2026)

Toward Efficient Kernel-Based Solvers for Nonlinear PDEs
von: Xu, Zhitong, et al.
Veröffentlicht: (2024)

Multi-Resolution Active Learning of Fourier Neural Operators
von: Li, Shibo, et al.
Veröffentlicht: (2023)

StFT: Spatio-temporal Fourier Transformer for Long-term Dynamics Prediction
von: Long, Da, et al.
Veröffentlicht: (2025)

Denoising Diffusion Restoration Tackles Forward and Inverse Problems for the Laplace Operator
von: Mukherjee, Amartya, et al.
Veröffentlicht: (2024)

Standard Gaussian Process is All You Need for High-Dimensional Bayesian Optimization
von: Xu, Zhitong, et al.
Veröffentlicht: (2024)

Deep Gaussian Processes for Functional Maps
von: Lowery, Matthew, et al.
Veröffentlicht: (2025)

Multi-Operator Few-Shot Learning for Generalization Across PDE Families
von: Li, Yile, et al.
Veröffentlicht: (2025)

Graph-Based Operator Learning from Limited Data on Irregular Domains
von: Li, Yile, et al.
Veröffentlicht: (2025)

Sensitivity-Constrained Fourier Neural Operators for Forward and Inverse Problems in Parametric Differential Equations
von: Behroozi, Abdolmehdi, et al.
Veröffentlicht: (2025)

Fourier PINNs: From Strong Boundary Conditions to Adaptive Fourier Bases
von: Cooley, Madison, et al.
Veröffentlicht: (2024)

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

Fourier-Invertible Neural Encoder (FINE) for Homogeneous Flows
von: Ouyang, Anqiao, et al.
Veröffentlicht: (2025)

Kernel Neural Operators (KNOs) for Scalable, Memory-efficient, Geometrically-flexible Operator Learning
von: Lowery, Matthew, et al.
Veröffentlicht: (2024)

Dual-Agent Co-Training for Health Coaching via Implicit Adversarial Preference Optimization
von: Long, Da, et al.
Veröffentlicht: (2026)

Learning Generalizable Neural Operators for Inverse Problems
von: Thorpe, Adam J., et al.
Veröffentlicht: (2025)

Inverse Problems with Learned Forward Operators
von: Arridge, Simon, et al.
Veröffentlicht: (2023)

HyResPINNs: A Hybrid Residual Physics-Informed Neural Network Architecture Designed to Balance Expressiveness and Trainability
von: Cooley, Madison, et al.
Veröffentlicht: (2024)

Convolution Operator Network for Forward and Inverse Problems (FI-Conv): Application to Plasma Turbulence Simulations
von: Chen, Xingzhuo, et al.
Veröffentlicht: (2026)

An Inverse Scattering Inspired Fourier Neural Operator for Time-Dependent PDE Learning
von: Yu, Rixin
Veröffentlicht: (2025)

Solving High Frequency and Multi-Scale PDEs with Gaussian Processes
von: Fang, Shikai, et al.
Veröffentlicht: (2023)

Equation Discovery with Bayesian Spike-and-Slab Priors and Efficient Kernels
von: Long, Da, et al.
Veröffentlicht: (2023)

A Deep Neural Network Framework for Solving Forward and Inverse Problems in Delay Differential Equations
von: Wang, Housen, et al.
Veröffentlicht: (2024)

DGenNO: A Novel Physics-aware Neural Operator for Solving Forward and Inverse PDE Problems based on Deep, Generative Probabilistic Modeling
von: Zang, Yaohua, et al.
Veröffentlicht: (2025)

Neural Adjoint Method for Meta-optics: Accelerating Volumetric Inverse Design via Fourier Neural Operators
von: Kang, Chanik, et al.
Veröffentlicht: (2026)

Constrained Particle Seeking: Solving Diffusion Inverse Problems with Just Forward Passes
von: Dou, Hongkun, et al.
Veröffentlicht: (2026)

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

Invertible ResNets for Inverse Imaging Problems: Competitive Performance with Provable Regularization Properties
von: Arndt, Clemens, et al.
Veröffentlicht: (2024)

Invertible Kernel PCA with Random Fourier Features
von: Gedon, Daniel, et al.
Veröffentlicht: (2023)

Isotropic Fourier Neural Operators
von: Staddon, Michael F.
Veröffentlicht: (2026)

Neural Integral Operators for Inverse Problems: An Operator-Learning Framework for Small-Sample Spectroscopic Classification
von: Zappala, Emanuele, et al.
Veröffentlicht: (2025)

Bayesian Physics-Informed Extreme Learning Machine for Forward and Inverse PDE Problems with Noisy Data
von: Liu, Xu, et al.
Veröffentlicht: (2022)

Diffusion-Based Symbolic Regression
von: Bastiani, Zachary, et al.
Veröffentlicht: (2025)

Neumann Series-based Neural Operator for Solving Inverse Medium Problem
von: Liu, Ziyang, et al.
Veröffentlicht: (2024)

Kernel-Adaptive PI-ELMs for Forward and Inverse Problems in PDEs with Sharp Gradients
von: Dwivedi, Vikas, et al.
Veröffentlicht: (2025)

Robustly Invertible Nonlinear Dynamics and the BiLipREN: Contracting Neural Models with Contracting Inverses
von: Zhang, Yurui, et al.
Veröffentlicht: (2025)