Buchumschlag

Rapid Bayesian identification of sparse nonlinear dynamics from scarce and noisy data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fung, Lloyd, Fasel, Urban, Juniper, Matthew P.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Methodology Chaotic Dynamics Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Overcoming error-in-variable problem in data-driven model discovery by orthogonal distance regression
von: Fung, Lloyd
Veröffentlicht: (2025)

Dynamical System Identification, Model Selection and Model Uncertainty Quantification by Bayesian Inference
von: Niven, Robert K., et al.
Veröffentlicht: (2024)

Tailored minimal reservoir computing: on the bidirectional connection between nonlinearities in the reservoir and in data
von: Prosperino, Davide, et al.
Veröffentlicht: (2025)

Data-driven model order reduction for structures with piecewise linear nonlinearity using dynamic mode decomposition
von: Saito, Akira, et al.
Veröffentlicht: (2026)

Generative learning for nonlinear dynamics
von: Gilpin, William
Veröffentlicht: (2023)

Deficiency of equation-finding approach to data-driven modeling of dynamical systems
von: Zhai, Zheng-Meng, et al.
Veröffentlicht: (2025)

Building symmetries into data-driven manifold dynamics models for complex flows: application to two-dimensional Kolmogorov flow
von: De Jesús, Carlos E. Pérez, et al.
Veröffentlicht: (2023)

Reconstructing dynamics from sparse observations with no training on target system
von: Zhai, Zheng-Meng, et al.
Veröffentlicht: (2024)

On the weight dynamics of learning networks
von: Sharafi, Nahal, et al.
Veröffentlicht: (2024)

Sparse identification of quasipotentials via a combined data-driven method
von: Lin, Bo, et al.
Veröffentlicht: (2024)

Transformers for dynamical systems learn transfer operators in-context
von: Bao, Anthony, et al.
Veröffentlicht: (2026)

Data-driven nonlinear modal identification of nonlinear dynamical systems with physics-constrained Normalizing Flows
von: Rostamijavanani, Abdolvahhab, et al.
Veröffentlicht: (2025)

Data-driven forced response analysis with min-max representations of nonlinear restoring forces
von: Saito, Akira, et al.
Veröffentlicht: (2026)

Fourier neural operators for spatiotemporal dynamics in two-dimensional turbulence
von: Atif, Mohammad, et al.
Veröffentlicht: (2024)

Sparse identification of nonlinear dynamics applied to the levitation of acoustically large objects
von: Akbarzadeh, Mehdi, et al.
Veröffentlicht: (2025)

Data-driven Mori-Zwanzig modeling of Lagrangian particle dynamics in turbulent flows
von: de Wit, Xander, et al.
Veröffentlicht: (2025)

Characterizing Nonlinear Dynamics via Smooth Prototype Equivalences
von: Friedman, Roy, et al.
Veröffentlicht: (2025)

On the relationship between Koopman operator approximations and neural ordinary differential equations for data-driven time-evolution predictions
von: Buzhardt, Jake, et al.
Veröffentlicht: (2024)

Radius selection using kernel density estimation for the computation of nonlinear measures
von: Medrano, Johan, et al.
Veröffentlicht: (2024)

Weighted Birkhoff Averages Accelerate Data-Driven Methods
von: Bou-Sakr-El-Tayar, Maria, et al.
Veröffentlicht: (2025)

Mamba time series forecasting with uncertainty quantification
von: Pessoa, Pedro, et al.
Veröffentlicht: (2025)

Dynamics-Informed Deep Learning for Predicting Extreme Events
von: Katsidoniotaki, Eirini, et al.
Veröffentlicht: (2026)

Filtering Dynamical Systems Using Observations of Statistics
von: Bach, Eviatar, et al.
Veröffentlicht: (2023)

Identifying Stochastic Dynamics from Non-Sequential Data (DyNoSeD)
von: Lu, Zhixin, et al.
Veröffentlicht: (2025)

Prediction of Unobserved Bifurcation by Unsupervised Extraction of Slowly Time-Varying System Parameter Dynamics from Time Series Using Reservoir Computing
von: Tokuda, Keita, et al.
Veröffentlicht: (2024)

DyMixOp: A Neural Operator Designed from a Complex Dynamics Perspective with Local-Global Mixing for Solving PDEs
von: Lai, Pengyu, et al.
Veröffentlicht: (2025)

Complex fractal trainability boundary can arise from trivial non-convexity
von: Liu, Yizhou
Veröffentlicht: (2024)

Identifying recurrent flows in high-dimensional dissipative chaos from low-dimensional embeddings
von: Beck, Pierre, et al.
Veröffentlicht: (2026)

Inferring stability properties of chaotic systems on autoencoders' latent spaces
von: Özalp, Elise, et al.
Veröffentlicht: (2024)

Constants of Motion for Conserved and Non-conserved Dynamics
von: Zimmer, Michael F.
Veröffentlicht: (2024)

Entropic Regression DMD (ERDMD) Discovers Informative Sparse and Nonuniformly Time Delayed Models
von: Curtis, Christopher W., et al.
Veröffentlicht: (2024)

Adjoint Sensitivities of Chaotic Flows without Adjoint Solvers: A Data-Driven Approach
von: Ozan, Defne E., et al.
Veröffentlicht: (2024)

Data-driven Modeling of Parameterized Nonlinear Fluid Dynamical Systems with a Dynamics-embedded Conditional Generative Adversarial Network
von: Rostamijavanani, Abdolvahhab, et al.
Veröffentlicht: (2024)

Reservoir Computing Generalized
von: Kubota, Tomoyuki, et al.
Veröffentlicht: (2024)

A Numerical Study of Chaotic Dynamics of K-S Equation with FNOs
von: Khetrapal, Surbhi, et al.
Veröffentlicht: (2024)

Stability analysis of chaotic systems in latent spaces
von: Özalp, Elise, et al.
Veröffentlicht: (2024)

Deep Learning for Prediction and Classifying the Dynamical behaviour of Piecewise Smooth Maps
von: S, Vismaya V, et al.
Veröffentlicht: (2024)

Unsupervised Reservoir Computing for Multivariate Denoising of Severely Contaminated Signals
von: Choi, Jaesung, et al.
Veröffentlicht: (2024)

Machine Learning for Predicting Chaotic Systems
von: Schötz, Christof, et al.
Veröffentlicht: (2024)

Trans-Bifurcation Prediction of Dynamics in terms of Extreme Learning Machines with Control Inputs
von: Tadokoro, Satoru, et al.
Veröffentlicht: (2024)