Buchumschlag

Towards Robust Data-Driven Automated Recovery of Symbolic Conservation Laws from Limited Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Oellerich, Tracey, Emelianenko, Maria
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Numerical Analysis
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Unifying Family of Data-Adaptive Partitioning Algorithms
von: Oldaker IV, Guy B., et al.
Veröffentlicht: (2024)

On the Optimality of CVOD-based Column Selection
von: Emelianenko, Maria, et al.
Veröffentlicht: (2024)

Adaptive Voronoi-based Column Selection Methods for Interpretable Dimensionality Reduction
von: Emelianenko, Maria, et al.
Veröffentlicht: (2024)

Data-Driven Adaptive Gradient Recovery for Unstructured Finite Volume Computations
von: de Romémont, G., et al.
Veröffentlicht: (2025)

Solving Random Hyperbolic Conservation Laws Using Linear Programming
von: Chu, Shaoshuai, et al.
Veröffentlicht: (2025)

Novel Adaptive Schemes for Hyperbolic Conservation Laws
von: Chu, Shaoshuai, et al.
Veröffentlicht: (2025)

Data-Driven Filter Design for Flexible and Noise-Robust Tomographic Imaging
von: Fathi, Hamid, et al.
Veröffentlicht: (2026)

New Scheme Adaption Strategy for Hyperbolic Conservation Laws
von: Chu, Shaoshuai, et al.
Veröffentlicht: (2026)

Compact Central WENO Schemes for Multidimensional Conservation Laws
von: Levy, D., et al.
Veröffentlicht: (1999)

A Globally Conservative Compact Framework for Conservation Laws: Fourth-Order Schemes with Enhanced Resolution and Stability
von: Hou, Weifeng, et al.
Veröffentlicht: (2026)

Transcending Sparse Measurement Limits: Operator-Learning-Driven Data Super-Resolution for Inverse Source Problem
von: Pan, Guanyu, et al.
Veröffentlicht: (2025)

Numerical Analysis of Stabilization for Random Hyperbolic Systems of Conservation Laws
von: Chu, Shaoshuai, et al.
Veröffentlicht: (2025)

Construction and Performance of Kinetic Schemes for Linear Systems of Conservation Laws
von: Audusse, Emmanuel, et al.
Veröffentlicht: (2025)

On The Weak Consistency of Finite Volumes Schemes for Conservation Laws on General Meshes
von: Gallouët, Thierry, et al.
Veröffentlicht: (2019)

Adaptive Artificial Anti-Diffusion Methods for Hyperbolic Systems of Conservation Laws
von: Chu, Shaoshuai, et al.
Veröffentlicht: (2026)

CLINN: Conservation Law Informed Neural Network for Approximating Discontinuous Solutions
von: Zeng, Weiheng, et al.
Veröffentlicht: (2025)

High-Order Schemes for Hyperbolic Conservation Laws Using Young Measures
von: Chu, Shaoshuai, et al.
Veröffentlicht: (2025)

On the Gelfand Problem and Viscosity Matrices for Two-Dimensional Hyperbolic Systems of Conservation Laws
von: Chu, Shaoshuai, et al.
Veröffentlicht: (2024)

Dual Formulation Finite-Volume Methods on Overlapping Meshes for Hyperbolic Conservation Laws
von: Abgrall, Rémi, et al.
Veröffentlicht: (2025)

A Comparative Study of Low-Dissipation Numerical Schemes for Hyperbolic Conservation Laws
von: Chu, Shaoshuai, et al.
Veröffentlicht: (2026)

Scalable Bayesian Inference for Nonlinear Conservation Laws
von: Weiland, Tim, et al.
Veröffentlicht: (2026)

Data-Driven Filtering of the Spherical Harmonics Method
von: Plumridge, Benjamin, et al.
Veröffentlicht: (2025)

An Approximate Lax-Wendroff-Type Procedure for High Order Accurate Schemes for Hyperbolic Conservation Laws
von: Zorío, David, et al.
Veröffentlicht: (2025)

Preserving Conservation Laws in the Time-Evolving Natural Gradient Method via Relaxation and Projection Techniques
von: Shi, Zihao, et al.
Veröffentlicht: (2026)

A Wave Front Tracking Scheme for Flux Reconstruction in $2\times 2$ Hyperbolic Conservation Laws
von: Duan, Chaohua, et al.
Veröffentlicht: (2025)

A Two-stage Adaptive Lifting PINN Framework for Solving Viscous Approximations to Hyperbolic Conservation Laws
von: Zhu, Yameng, et al.
Veröffentlicht: (2025)

Finite Expression Methods for Discovering Physical Laws from Data
von: Jiang, Zhongyi, et al.
Veröffentlicht: (2023)

Iterative Direct Sampling Method for Elliptic Inverse Problems with Limited Cauchy Data
von: Ito, Kazufumi, et al.
Veröffentlicht: (2025)

A Hybrid Discontinuous Galerkin Neural Network Method for Solving Hyperbolic Conservation Laws with Temporal Progressive Learning
von: Shen, Yan, et al.
Veröffentlicht: (2025)

Symbolic Regression of Data-Driven Reduced Order Model Closures for Under-Resolved, Convection-Dominated Flows
von: Manti, Simone, et al.
Veröffentlicht: (2025)

A Structure-Preserving Domain Decomposition Method for Data-Driven Modeling
von: Jiang, Shuai, et al.
Veröffentlicht: (2024)

Robust Spectral Recovery for Dynamical Sampling
von: Cai, HanQin, et al.
Veröffentlicht: (2026)

Large Data Limits of Laplace Learning for Gaussian Measure Data in Infinite Dimensions
von: Zhong, Zhengang, et al.
Veröffentlicht: (2026)

Approximating Numerical Fluxes Using Fourier Neural Operators for Hyperbolic Conservation Laws
von: Kim, Taeyoung, et al.
Veröffentlicht: (2024)

Weak Physics Informed Neural Networks for Geometry Compatible Hyperbolic Conservation Laws on Manifolds
von: Zhou, Hanfei, et al.
Veröffentlicht: (2025)

Numerical approximation of a PDE-constrained Optimization problem that appears in Data-Driven Computational Mechanics
von: Bazon, Pedro B., et al.
Veröffentlicht: (2025)

Robust Adaptive Meshing, Mesh Density Functions, and Nonlocal Observations for Ensemble Based Data Assimilation
von: Buenger, Jeremiah, et al.
Veröffentlicht: (2025)

A variational multiscale approach to PDE-constrained optimization problems arising in Data-Driven Computational Mechanics
von: Codina, Ramon, et al.
Veröffentlicht: (2025)

Rank Reduction AutoEncoders for Mechanical Design: Advancing Novel and Efficient Data-Driven Topology Optimization
von: Ben-Yelun, Ismael, et al.
Veröffentlicht: (2026)

Data-Driven Closure Parametrizations with Metrics: Dispersive Transport
von: Coltman, Edward, et al.
Veröffentlicht: (2023)