Buchumschlag

Parameterized Wasserstein Gradient Flow

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jin, Yijie, Liu, Shu, Wu, Hao, Ye, Xiaojing, Zhou, Haomin
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 parameterized Wasserstein Hamiltonian flow approach for solving the Schrödinger equation
von: Wu, Hao, et al.
Veröffentlicht: (2025)

Deep Tangent Bundle (DTB) method: a Deep Neural Network approach to compute solutions of PDES
von: Wu, Hao, et al.
Veröffentlicht: (2025)

Computing the Gross-Pitaevskii Ground State via Wasserstein Gradient Flow in Diffeomorphism Space
von: Zhang, Xiangxiong, et al.
Veröffentlicht: (2026)

Numerical Analysis on Neural Network Projected Schemes for Approximating One Dimensional Wasserstein Gradient Flows
von: Zuo, Xinzhe, et al.
Veröffentlicht: (2024)

Wasserstein Gradient Flows of the Discrepancy with Distance Kernel on the Line
von: Hertrich, Johannes, et al.
Veröffentlicht: (2023)

Spherical Authalic Energy Minimization for Area-Preserving Parameterization
von: Liu, Shu-Yung, et al.
Veröffentlicht: (2024)

Energy-Based Distortion-Balancing Parameterization for Open Surfaces
von: Liu, Shu-Yung, et al.
Veröffentlicht: (2024)

Learn to Evolve: Self-supervised Neural JKO Operator for Wasserstein Gradient Flow
von: Feng, Xue, et al.
Veröffentlicht: (2026)

Energetic Variational Neural Network Discretizations of Gradient Flows
von: Hu, Ziqing, et al.
Veröffentlicht: (2022)

Efficient, Accurate, and Robust Penalty-Projection Algorithm for Parameterized Stochastic Navier-Stokes Flow Problems
von: Raveendran, Neethu Suma, et al.
Veröffentlicht: (2025)

Forward Euler for Wasserstein Gradient Flows: Breakdown and Regularization
von: Xu, Yewei, et al.
Veröffentlicht: (2025)

Mechanical Proving the Symplecticity of Partitioned Runge--Kutta Methods for Determinate and Stochastic Hamiltonian Systems
von: Zhang, Xiaojing
Veröffentlicht: (2025)

Discrete Mean Field Games on Finite Graphs as Initial Value Optimization
von: Feng, Yaxin, et al.
Veröffentlicht: (2026)

Regularized Stein Variational Gradient Flow
von: He, Ye, et al.
Veröffentlicht: (2022)

Guaranteeing Higher Order Convergence Rates for Accelerated Wasserstein Gradient Flow Schemes
von: Chu, Raymond, et al.
Veröffentlicht: (2025)

Wasserstein Steepest Descent Flows of Discrepancies with Riesz Kernels
von: Hertrich, Johannes, et al.
Veröffentlicht: (2022)

A New Scalar Auxiliary Variable Approach for Gradient Flows
von: Zhang, Jinpeng, et al.
Veröffentlicht: (2024)

Neural Hamilton--Jacobi Characteristic Flows for Optimal Transport
von: Park, Yesom, et al.
Veröffentlicht: (2025)

A supervised learning scheme for computing Hamilton-Jacobi equation via density coupling
von: Cui, Jianbo, et al.
Veröffentlicht: (2024)

Why Shallow Networks Struggle to Approximate and Learn High Frequencies
von: Zhang, Shijun, et al.
Veröffentlicht: (2023)

Energy Dissipation Preserving Feature-based DNN Galerkin Methods for Gradient Flows
von: Tang, Tao, et al.
Veröffentlicht: (2026)

The Characteristic Length Scale of the Intermediate Structure in Zero-Pressure-Gradient Boundary Layer Flow
von: Barenblatt, G. I., et al.
Veröffentlicht: (2000)

Projected Sobolev Natural Gradient Descent for Efficient Neural Network Solution of the Gross-Pitaevskii Equation
von: Bao, Chenglong, et al.
Veröffentlicht: (2025)

Convergence of Stochastic Gradient Methods for Wide Two-Layer Physics-Informed Neural Networks
von: Jin, Bangti, et al.
Veröffentlicht: (2025)

Stochastic Gradient Descent for Nonlinear Inverse Problems in Banach Spaces
von: Jin, Bangti, et al.
Veröffentlicht: (2026)

A virtual element method with IMEX-SAV scheme for the incompressible magnetohydrodynamics equations
von: Dong, Xiaojing, et al.
Veröffentlicht: (2024)

Conservative nonconforming virtual element method for stationary incompressible magnetohydrodynamics
von: Dong, Xiaojing, et al.
Veröffentlicht: (2024)

Higher-Order Energy-Decreasing Exponential Time Differencing Runge-Kutta methods for Gradient Flows
von: Fu, Zhaohui, et al.
Veröffentlicht: (2024)

High-Order and Energy-Stable Implicit-Explicit Relaxation Runge-Kutta Schemes for Gradient Flows
von: Cheng, Yuxiu, et al.
Veröffentlicht: (2025)

MgNO: Efficient Parameterization of Linear Operators via Multigrid
von: He, Juncai, et al.
Veröffentlicht: (2023)

Preconditioning for Accelerated Gradient Descent Optimization and Regularization
von: Ye, Qiang
Veröffentlicht: (2024)

An Unconditionally Energy-Stable and Orthonormality-Preserving Iterative Scheme for the Kohn-Sham Gradient Flow Based Model
von: Wang, Xiuping, et al.
Veröffentlicht: (2023)

Miniaturization-Oriented Design of Spline-Parameterized UWB Antenna for In-Door Positioning Applications
von: Bekasiewicz, Adrian, et al.
Veröffentlicht: (2025)

Finite difference schemes for Hamilton--Jacobi equation on Wasserstein space on graphs
von: Cui, Jianbo, et al.
Veröffentlicht: (2025)

Identification of Differential Equations by Dynamics-Guided Weighted Weak Form with Voting
von: Cheng, Jiahui, et al.
Veröffentlicht: (2025)

A Geometry-Aware Operator Learning Framework for Interface Problems on Varying Domains
von: Xiao, Shanshan, et al.
Veröffentlicht: (2026)

Gradient Flow Finite Element Discretisations with Energy-Based $hp$-Adaptivity for the Gross-Pitaevskii Equation with Angular Momentum
von: Heid, Pascal, et al.
Veröffentlicht: (2024)

A novel algorithm for the decomposition of non-stationary multidimensional and multivariate signals
von: Cavassi, Roberto, et al.
Veröffentlicht: (2024)

Maximum Principle of Optimal Probability Density Control
von: Gaby, Nathan, et al.
Veröffentlicht: (2025)

Parameterized Physics-informed Neural Networks for Parameterized PDEs
von: Cho, Woojin, et al.
Veröffentlicht: (2024)