Buchumschlag

Using Uncertainty Quantification to Characterize and Improve Out-of-Domain Learning for PDEs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mouli, S. Chandra, Maddix, Danielle C., Alizadeh, Shima, Gupta, Gaurav, Stuart, Andrew, Mahoney, Michael W., Wang, Yuyang
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Numerical Analysis
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Spline-Based Stochastic Collocation Methods for Uncertainty Quantification in Nonlinear Hyperbolic PDEs
von: Chertock, Alina, et al.
Veröffentlicht: (2024)

Phase-IDENT: Identification of Two-phase PDEs with Uncertainty Quantification
von: Yang, Edward L., et al.
Veröffentlicht: (2026)

RELift: Learned Coarse-to-Fine Propagators for Time-Dependent PDEs with Applications to Electron Dynamics
von: Bassi, Hardeep, et al.
Veröffentlicht: (2025)

Stochastic Finite Volume Approximation with Clustering in the Parameter Space for Forward Uncertainty Quantification of PDEs with Random Parameters
von: Zhang, Zhao, et al.
Veröffentlicht: (2025)

Domain Uncertainty Quantification for the Lippmann-Schwinger Volume Integral Equation
von: Henríquez, Fernando, et al.
Veröffentlicht: (2024)

Dirichlet-Neumann and Neumann-Neumann Waveform Relaxation Methods for PDEs with Time Delay
von: Tomer, Deeksha, et al.
Veröffentlicht: (2024)

New High-Order Numerical Methods for Hyperbolic Systems of Nonlinear PDEs with Uncertainties
von: Chertock, Alina, et al.
Veröffentlicht: (2023)

Recent and Upcoming Developments in Randomized Numerical Linear Algebra for Machine Learning
von: Dereziński, Michał, et al.
Veröffentlicht: (2024)

Uncertainty Quantification in Forward Problems: Balancing Accuracy and Robustness Using CWENO Interpolations
von: Chertock, Alina, et al.
Veröffentlicht: (2025)

Inferring Object Boundaries and their Roughness with Uncertainty Quantification
von: Afkham, Babak Maboudi, et al.
Veröffentlicht: (2023)

Uncertainty Quantification of Phase Transition Problems with an Injection Boundary
von: Zhang, Zhenyi, et al.
Veröffentlicht: (2024)

Consistent CutPINNs for Elliptic PDEs on Curved Level-Set Domains
von: Singh, Maneesh Kumar
Veröffentlicht: (2026)

Improved rates for a space-time FOSLS of parabolic PDEs
von: Gantner, Gregor, et al.
Veröffentlicht: (2022)

Frequency-Explicit Shape Holomorphy in Uncertainty Quantification for Acoustic Scattering
von: Hiptmair, Ralf, et al.
Veröffentlicht: (2024)

The Tensor-Train Stochastic Finite Volume Method for Uncertainty Quantification
von: Walton, Steven, et al.
Veröffentlicht: (2024)

CWENO Interpolation for Non-Oscillatory Stochastic Collocation in Uncertainty Quantification Problems
von: Chertock, Alina, et al.
Veröffentlicht: (2024)

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

Gaussian Process Regression for Uncertainty Quantification: An Introductory Tutorial
von: Li, Jinglai, et al.
Veröffentlicht: (2025)

Towards Foundation Models for Scientific Machine Learning: Characterizing Scaling and Transfer Behavior
von: Subramanian, Shashank, et al.
Veröffentlicht: (2023)

Solving High-Dimensional PDEs Using Linearized Neural Networks
von: Mao, Tong, et al.
Veröffentlicht: (2026)

On the Instantaneous Phase and Frequency Estimation of a Non-Stationary Multicomponent Signal. The JADE Algorithm
von: Mouli, Jayanth, et al.
Veröffentlicht: (2026)

Solving PDEs on Unknown Manifolds with Machine Learning
von: Liang, Senwei, et al.
Veröffentlicht: (2021)

Variational Sparse Paired Autoencoders (vsPAIR) for Inverse Problems and Uncertainty Quantification
von: Solomon, Jack Michael, et al.
Veröffentlicht: (2026)

Optimal Estimation and Uncertainty Quantification for Stochastic Inverse Problems via Variational Bayesian Methods
von: Song, Ruibiao, et al.
Veröffentlicht: (2025)

A Generic MATLAB Toolbox to Approximate PDEs Using Computational Geometry
von: Green, Kiefer, et al.
Veröffentlicht: (2024)

R-adaptive DeepONet: Learning Solution Operators for PDEs with Discontinuous Solutions Using an R-adaptive Strategy
von: Zhu, Yameng, et al.
Veröffentlicht: (2024)

Convergence and error control of consistent PINNs for elliptic PDEs
von: Bonito, Andrea, et al.
Veröffentlicht: (2024)

Numerical Analysis of Unsupervised Learning Approaches for Parameter Identification in PDEs
von: Cen, Siyu, et al.
Veröffentlicht: (2025)

Bi-fidelity Variational Auto-encoder for Uncertainty Quantification
von: Cheng, Nuojin, et al.
Veröffentlicht: (2023)

Carleman Linearization of Parabolic PDEs: Well-posedness, convergence, and efficient numerical methods
von: Heinzelreiter, Bernhard, et al.
Veröffentlicht: (2025)

The Parametric Complexity of Operator Learning
von: Lanthaler, Samuel, et al.
Veröffentlicht: (2023)

What Can One Expect When Solving PDEs Using Shallow Neural Networks?
von: He, Roy Y., et al.
Veröffentlicht: (2025)

Functional tensor train neural network for solving high-dimensional PDEs
von: Feng, Yani, et al.
Veröffentlicht: (2025)

FNWoS: Fractional Neural Walk-on-Spheres Methods for High-Dimensional PDEs Driven by $α$-stable Lévy Process on Irregular Domains
von: Guo, Ling, et al.
Veröffentlicht: (2026)

A reduced basis method for parabolic PDEs based on a space-time least squares formulation
von: Hinze, Michael, et al.
Veröffentlicht: (2026)

Multi-Scale Finite Expression Method for PDEs with Oscillatory Solutions on Complex Domains
von: Hardwick, Gareth, et al.
Veröffentlicht: (2025)

Learning local Dirichlet-to-Neumann maps of nonlinear elliptic PDEs with rough coefficients
von: Boutilier, Miranda, et al.
Veröffentlicht: (2024)

Antisymmetry, pseudospectral methods, and conservative PDEs
von: McLachlan, Robert, et al.
Veröffentlicht: (1999)

Time integration of dissipative stochastic PDEs
von: Biščević, Helena, et al.
Veröffentlicht: (2025)

Generalized Moving Least-Squares Methods for Solving Vector-valued PDEs on Unknown Manifolds
von: Li, Rongji, et al.
Veröffentlicht: (2024)