Buchumschlag

Reconstruction of network dynamics from partial observations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Berry, Tyrus, Sauer, Timothy
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Data Analysis, Statistics and Probability Dynamical Systems
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Dynamic mode decomposition as an analysis tool for time-dependent partial differential equations
von: Rot, Miha, et al.
Veröffentlicht: (2022)

Revealing dynamics of non-autonomous complex systems from data
von: Zhuge, Chengzuo, et al.
Veröffentlicht: (2026)

Parameter and hidden-state inference in mean-field models from partial observations of finite-size neural networks
von: Ratas, Irmantas, et al.
Veröffentlicht: (2026)

Data assimilation for networks of coupled oscillators: Inferring unknown model parameters from partial observations
von: Smith, Lauren D., et al.
Veröffentlicht: (2023)

Improvement of system identification of stochastic systems via Koopman generator and locally weighted expectation
von: Tahara, Yuki, et al.
Veröffentlicht: (2024)

A scalable generative model for dynamical system reconstruction from neuroimaging data
von: Volkmann, Eric, et al.
Veröffentlicht: (2024)

Data-driven model discovery with Kolmogorov-Arnold networks
von: Moradi, Mohammadamin, et al.
Veröffentlicht: (2024)

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

Unifying Lyapunov exponents with probabilistic uncertainty quantification
von: Blake, Liam, et al.
Veröffentlicht: (2024)

Analog-based ensembles to characterize turbulent dynamics from observed data
von: Granero-Belinchon, Carlos
Veröffentlicht: (2025)

Model discovery on the fly using continuous data assimilation
von: Newey, Joshua, et al.
Veröffentlicht: (2024)

Dynamics on Lie groups with applications to attitude estimation
von: Kieffer, T. Forrest, et al.
Veröffentlicht: (2025)

Actuation manifold from snapshot data
von: Marra, Luigi, et al.
Veröffentlicht: (2024)

Predicting the onset of period-doubling bifurcations via dominant eigenvalue extracted from autocorrelation
von: Ma, Zhiqin, et al.
Veröffentlicht: (2026)

Decomposing force fields as flows on graphs reconstructed from stochastic trajectories
von: Nartallo-Kaluarachchi, Ramón, et al.
Veröffentlicht: (2024)

Characterising the dynamics of unlabelled temporal networks
von: Caligiuri, Annalisa, et al.
Veröffentlicht: (2024)

Almost-Linear RNNs Yield Highly Interpretable Symbolic Codes in Dynamical Systems Reconstruction
von: Brenner, Manuel, et al.
Veröffentlicht: (2024)

Minimum Reduced-Order Models via Causal Inference
von: Chen, Nan, et al.
Veröffentlicht: (2024)

Efficient Approximation of Molecular Kinetics using Random Fourier Features
von: Nüske, Feliks, et al.
Veröffentlicht: (2023)

Discovering Governing Equations in the Presence of Uncertainty
von: Olabiyi, Ridwan, et al.
Veröffentlicht: (2025)

Data-driven Experimental Modal Analysis by Dynamic Mode Decomposition
von: Saito, Akira, et al.
Veröffentlicht: (2026)

Data-driven Initial Gap Identification of Piecewise-linear Systems using Sparse Regression and Universal Approximation Theorem
von: Kanki, Ryosuke, et al.
Veröffentlicht: (2026)

Relaxation-based schemes for on-the-fly parameter estimation in dissipative dynamical systems
von: Martinez, Vincent R., et al.
Veröffentlicht: (2024)

Tree-based Learning for High-Fidelity Prediction of Chaos
von: Giammarese, Adam, et al.
Veröffentlicht: (2024)

Invariant Measures for Data-Driven Dynamical System Identification: Analysis and Application
von: Botvinick-Greenhouse, Jonah
Veröffentlicht: (2025)

Bayesian Transfer Operators in Reproducing Kernel Hilbert Spaces
von: Boshoff, Septimus, et al.
Veröffentlicht: (2025)

Regressing bubble cluster dynamics as a disordered many-body system
von: Maeda, Kazuki, et al.
Veröffentlicht: (2021)

Survival probability of random networks
von: Peralta-Martinez, Kevin, et al.
Veröffentlicht: (2026)

Optimality and annealing path planning of dynamical analog solvers
von: Zhou, Shu, et al.
Veröffentlicht: (2026)

Reconstruction of three-dimensional fluid stress field via photoelasticity using physics-informed convolutional encoder-decoder
von: Igarashi, Daichi, et al.
Veröffentlicht: (2025)

Inferring parameters and reconstruction of two-dimensional turbulent flows with physics-informed neural networks
von: Parfenyev, Vladimir, et al.
Veröffentlicht: (2024)

Flow field tomography with uncertainty quantification using a Bayesian physics-informed neural network
von: Molnar, Joseph P., et al.
Veröffentlicht: (2021)

GD-VAEs: Geometric Dynamic Variational Autoencoders for Learning Nonlinear Dynamics and Dimension Reductions
von: Lopez, Ryan, et al.
Veröffentlicht: (2022)

Approach to predicting extreme events in time series of chaotic dynamical systems using machine learning techniques
von: Andreani, Alexandre C., et al.
Veröffentlicht: (2025)

Estimating density, velocity, and pressure fields in supersonic flow using physics-informed BOS
von: Molnar, Joseph P., et al.
Veröffentlicht: (2022)

Bayesian identification of nonseparable Hamiltonians with multiplicative noise using deep learning and reduced-order modeling
von: Galioto, Nicholas, et al.
Veröffentlicht: (2024)

Forecasting with an N-dimensional Langevin Equation and a Neural-Ordinary Differential Equation
von: Malpica-Morales, Antonio, et al.
Veröffentlicht: (2024)

Taming Uncertainty in a Complex World: The Rise of Uncertainty Quantification -- A Tutorial for Beginners
von: Chen, Nan, et al.
Veröffentlicht: (2024)

Landscape computations for the edge of chaos in nonlinear dynamical systems
von: Nakata, Motoki, et al.
Veröffentlicht: (2025)

Resilience of the Atlantic Meridional Overturning Circulation
von: Jacques-Dumas, Valérian, et al.
Veröffentlicht: (2024)