Buchumschlag

Geometric Neural Operators (GNPs) for Data-Driven Deep Learning of Non-Euclidean Operators

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Quackenbush, Blaine, Atzberger, Paul J.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Transferable Foundation Models for Geometric Tasks on Point Cloud Representations: Geometric Neural Operators
von: Quackenbush, Blaine, et al.
Veröffentlicht: (2025)

Extending Neural Operators: Robust Handling of Functions Beyond the Training Set
von: Quackenbush, Blaine, et al.
Veröffentlicht: (2026)

Learning the Riccati solution operator for time-varying LQR via Deep Operator Networks
von: Chen, Jun, et al.
Veröffentlicht: (2026)

Neural Hamiltonian Operator
von: Qi, Qian
Veröffentlicht: (2025)

Scalable Data-Driven Reachability Analysis and Control via Koopman Operators with Conformal Coverage Guarantees
von: Nath, Devesh, et al.
Veröffentlicht: (2026)

Optimal Control Operator Perspective and a Neural Adaptive Spectral Method
von: Feng, Mingquan, et al.
Veröffentlicht: (2024)

Non-Euclidean Gradient Descent Operates at the Edge of Stability
von: Islamov, Rustem, et al.
Veröffentlicht: (2026)

Optimal Power Grid Operations with Foundation Models
von: Puech, Alban, et al.
Veröffentlicht: (2024)

Adaptive Neural-Operator Backstepping Control of a Benchmark Hyperbolic PDE
von: Lamarque, Maxence, et al.
Veröffentlicht: (2024)

An Improved Finite-time Analysis of Temporal Difference Learning with Deep Neural Networks
von: Ke, Zhifa, et al.
Veröffentlicht: (2024)

ORLoopBench: Solver-in-the-Loop Benchmarks for Self-Correction and Behavioral Rationality in Operations Research
von: Ao, Ruicheng, et al.
Veröffentlicht: (2026)

Gain Scheduling with a Neural Operator for a Transport PDE with Nonlinear Recirculation
von: Lamarque, Maxence, et al.
Veröffentlicht: (2024)

GENEOnet: A new machine learning paradigm based on Group Equivariant Non-Expansive Operators. An application to protein pocket detection
von: Bocchi, Giovanni, et al.
Veröffentlicht: (2022)

Hereditary Geometric Meta-RL: Nonlocal Generalization via Task Symmetries
von: Nitschke, Paul, et al.
Veröffentlicht: (2026)

Classical and Deep Reinforcement Learning Inventory Control Policies for Pharmaceutical Supply Chains with Perishability and Non-Stationarity
von: Stranieri, Francesco, et al.
Veröffentlicht: (2025)

Solving Integrated Process Planning and Scheduling Problem via Graph Neural Network Based Deep Reinforcement Learning
von: Li, Hongpei, et al.
Veröffentlicht: (2024)

Understanding Optimization in Deep Learning with Central Flows
von: Cohen, Jeremy M., et al.
Veröffentlicht: (2024)

Data-Driven Portfolio Management for Motion Pictures Industry: A New Data-Driven Optimization Methodology Using a Large Language Model as the Expert
von: Alipour-Vaezi, Mohammad, et al.
Veröffentlicht: (2024)

TaskMet: Task-Driven Metric Learning for Model Learning
von: Bansal, Dishank, et al.
Veröffentlicht: (2023)

Data-Driven Exploration for a Class of Continuous-Time Indefinite Linear--Quadratic Reinforcement Learning Problems
von: Huang, Yilie, et al.
Veröffentlicht: (2025)

A Convexity-dependent Two-Phase Training Algorithm for Deep Neural Networks
von: Hrycej, Tomas, et al.
Veröffentlicht: (2025)

Deep Reinforcement Learning for Traveling Purchaser Problems
von: Yuan, Haofeng, et al.
Veröffentlicht: (2024)

Feature Starvation as Geometric Instability in Sparse Autoencoders
von: Chaudhry, Faris, et al.
Veröffentlicht: (2026)

Deep Learning for Two-Stage Robust Integer Optimization
von: Dumouchelle, Justin, et al.
Veröffentlicht: (2023)

Multi-Objective Optimization for Sparse Deep Multi-Task Learning
von: Hotegni, S. S., et al.
Veröffentlicht: (2023)

Frequency-aware Surrogate Modeling With SMT Kernels For Advanced Data Forecasting
von: Gonel, Nicolas, et al.
Veröffentlicht: (2025)

Infinite-Horizon Reach-Avoid Zero-Sum Games via Deep Reinforcement Learning
von: Li, Jingqi, et al.
Veröffentlicht: (2022)

Geometric Data Valuation via Leverage Scores
von: Mendoza-Smith, Rodrigo
Veröffentlicht: (2025)

Universal Approximation Theorem for Deep Q-Learning via FBSDE System
von: Qi, Qian
Veröffentlicht: (2025)

Deep learning enhanced mixed integer optimization: Learning to reduce model dimensionality
von: Triantafyllou, Niki, et al.
Veröffentlicht: (2024)

Isotropic Curvature Model for Understanding Deep Learning Optimization: Is Gradient Orthogonalization Optimal?
von: Su, Weijie
Veröffentlicht: (2025)

Deep Reinforcement Learning for Solving the Fleet Size and Mix Vehicle Routing Problem
von: Wan, Pengfu, et al.
Veröffentlicht: (2025)

Deep Operator Neural Network Model Predictive Control
von: de Jong, Thomas Oliver, et al.
Veröffentlicht: (2025)

Closing the Loop: Coordinating Inventory and Recommendation via Deep Reinforcement Learning on Multiple Timescales
von: Jiang, Jinyang, et al.
Veröffentlicht: (2025)

DiscoverDCP: A Data-Driven Approach for Construction of Disciplined Convex Programs via Symbolic Regression
von: Myhre, Sveinung
Veröffentlicht: (2025)

From Complexity to Clarity: Analytical Expressions of Deep Neural Network Weights via Clifford's Geometric Algebra and Convexity
von: Pilanci, Mert
Veröffentlicht: (2023)

Employing Deep Neural Operators for PDE control by decoupling training and optimization
von: Lundqvist, Oliver G. S., et al.
Veröffentlicht: (2025)

Solving Continuous Mean Field Games: Deep Reinforcement Learning for Non-Stationary Dynamics
von: Magnino, Lorenzo, et al.
Veröffentlicht: (2025)

Deep Learning for Sequential Decision Making under Uncertainty: Foundations, Frameworks, and Frontiers
von: Buyuktahtakin, I. Esra
Veröffentlicht: (2026)

A Bandit Approach with Evolutionary Operators for Model Selection
von: Brégère, Margaux, et al.
Veröffentlicht: (2024)