Buchumschlag

Modeling Large-Scale Walking and Cycling Networks: A Machine Learning Approach Using Mobile Phone and Crowdsourced Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Saberi, Meead, Lilasathapornkit, Tanapon
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

Dynamic Pedestrian Traffic Assignment with Link Transmission Model for Bidirectional Sidewalk Networks
von: Lilasathapornkit, Tanapon, et al.
Veröffentlicht: (2024)

Traffic Assignment Problem for Footpath Networks with Bidirectional Links
von: Lilasathapornkit, Tanapon, et al.
Veröffentlicht: (2020)

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

Data-Driven Approximation of Binary-State Network Reliability Function: Algorithm Selection and Reliability Thresholds for Large-Scale Systems
von: Yeh, Wei-Chang
Veröffentlicht: (2025)

Quantifying Correlations of Machine Learning Models
von: Li, Yuanyuan, et al.
Veröffentlicht: (2025)

Singularity Formation: Synergy in Theoretical, Numerical and Machine Learning Approaches
von: Wang, Yixuan
Veröffentlicht: (2026)

Solving All Regression Models For Learning Gaussian Networks Using Givens Rotations
von: Alipourfard, Borzou, et al.
Veröffentlicht: (2019)

Scalable Mechanistic Neural Networks for Differential Equations and Machine Learning
von: Chen, Jiale, et al.
Veröffentlicht: (2024)

A Physics-Informed Machine Learning Approach for Solving Distributed Order Fractional Differential Equations
von: Aghaei, Alireza Afzal
Veröffentlicht: (2024)

Accelerating Multilevel Markov Chain Monte Carlo Using Machine Learning Models
von: Reddy, Sohail, et al.
Veröffentlicht: (2024)

Transfer Learning on Multi-Dimensional Data: A Novel Approach to Neural Network-Based Surrogate Modeling
von: Propp, Adrienne M., et al.
Veröffentlicht: (2024)

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

Solving Poisson Equations using Neural Walk-on-Spheres
von: Nam, Hong Chul, et al.
Veröffentlicht: (2024)

An Overview on Machine Learning Methods for Partial Differential Equations: from Physics Informed Neural Networks to Deep Operator Learning
von: Gonon, Lukas, et al.
Veröffentlicht: (2024)

Sketch 'n Solve: An Efficient Python Package for Large-Scale Least Squares Using Randomized Numerical Linear Algebra
von: Lavaee, Alex
Veröffentlicht: (2024)

Learning from Linear Algebra: A Graph Neural Network Approach to Preconditioner Design for Conjugate Gradient Solvers
von: Trifonov, Vladislav, et al.
Veröffentlicht: (2024)

An Orthogonal Polynomial Kernel-Based Machine Learning Model for Differential-Algebraic Equations
von: Taheri, Tayebeh, et al.
Veröffentlicht: (2024)

Operator Learning at Machine Precision
von: Bacho, Aras, et al.
Veröffentlicht: (2025)

Gradient Flow Based Phase-Field Modeling Using Separable Neural Networks
von: Mattey, Revanth, et al.
Veröffentlicht: (2024)

Model Order Reduction of Cerebrovascular Hemodynamics Using POD_Galerkin and Reservoir Computing_based Approach
von: Halder, Rahul, et al.
Veröffentlicht: (2026)

Multi-Level GNN Preconditioner for Solving Large Scale Problems
von: Nastorg, Matthieu, et al.
Veröffentlicht: (2024)

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

Discovering Scaling Exponents with Physics-Informed Müntz-Szász Networks
von: N'guessan, Gnankan Landry Regis, et al.
Veröffentlicht: (2026)

Mixture-of-Experts Operator Transformer for Large-Scale PDE Pre-Training
von: Wang, Hong, et al.
Veröffentlicht: (2025)

Digital Twin Data Modelling by Randomized Orthogonal Decomposition and Deep Learning
von: Bistrian, Diana Alina, et al.
Veröffentlicht: (2022)

Scale-Consistent Learning for Partial Differential Equations
von: Li, Zongyi, et al.
Veröffentlicht: (2025)

Integral Operator Approaches for Scattered Data Fitting on Spheres
von: Lin, Shao-Bo
Veröffentlicht: (2024)

Variational (Energy-Based) Spectral Learning: A Machine Learning Framework for Solving Partial Differential Equations
von: Hammad, M. M.
Veröffentlicht: (2026)

On the Limits of Interpretable Machine Learning in Quintic Root Classification
von: Thomas, Rohan, et al.
Veröffentlicht: (2026)

Learning High-dimensional Ionic Model Dynamics Using Fourier Neural Operators
von: Pellegrini, Luca, et al.
Veröffentlicht: (2025)

Data-Driven, ML-assisted Approaches to Problem Well-Posedness
von: Bertalan, Tom, et al.
Veröffentlicht: (2025)

Large Language Models: A Mathematical Formulation
von: Baptista, Ricardo, et al.
Veröffentlicht: (2026)

DPOT: Auto-Regressive Denoising Operator Transformer for Large-Scale PDE Pre-Training
von: Hao, Zhongkai, et al.
Veröffentlicht: (2024)

Machine Learning-Based Nonlinear Nudging for Chaotic Dynamical Systems
von: Oh, Jaemin, et al.
Veröffentlicht: (2025)

Data-Driven Model Reduction using WeldNet: Windowed Encoders for Learning Dynamics
von: Dahal, Biraj, et al.
Veröffentlicht: (2025)

A Unified Approach to Analysis and Design of Denoising Markov Models
von: Ren, Yinuo, et al.
Veröffentlicht: (2025)

Neural Network Approach to Stochastic Dynamics for Smooth Multimodal Density Estimation
von: Zarezadeh, Z., et al.
Veröffentlicht: (2025)

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

Sketching the Heat Kernel: Using Gaussian Processes to Embed Data
von: Gilbert, Anna C., et al.
Veröffentlicht: (2024)

Point Source Identification Using Singularity Enriched Neural Networks
von: Hu, Tianhao, et al.
Veröffentlicht: (2024)