Learning the Hodgkin-Huxley Model with Operator Learning Techniques
Fuente:
arXiv
Salvato in:
| Autori principali: | Centofanti, Edoardo, Ghiotto, Massimiliano, Pavarino, Luca F. |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2024
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Learning High-dimensional Ionic Model Dynamics Using Fourier Neural Operators
di: Pellegrini, Luca, et al.
Pubblicazione: (2025)
di: Pellegrini, Luca, et al.
Pubblicazione: (2025)
HyperNOs: Automated and Parallel Library for Neural Operators Research
di: Ghiotto, Massimiliano
Pubblicazione: (2025)
di: Ghiotto, Massimiliano
Pubblicazione: (2025)
Learning cardiac activation and repolarization times with operator learning
di: Centofanti, Edoardo, et al.
Pubblicazione: (2025)
di: Centofanti, Edoardo, et al.
Pubblicazione: (2025)
A Neural Latent Dynamics Approach for Solving Inverse Problems in Cardiac Electrophysiology
di: Centofanti, Edoardo, et al.
Pubblicazione: (2026)
di: Centofanti, Edoardo, et al.
Pubblicazione: (2026)
Operator Learning at Machine Precision
di: Bacho, Aras, et al.
Pubblicazione: (2025)
di: Bacho, Aras, et al.
Pubblicazione: (2025)
Operator Learning for Smoothing and Forecasting
di: Calvello, Edoardo, et al.
Pubblicazione: (2026)
di: Calvello, Edoardo, et al.
Pubblicazione: (2026)
Translation Invariance of Neural Operators for the FitzHugh-Nagumo Model
di: Pellegrini, Luca
Pubblicazione: (2026)
di: Pellegrini, Luca
Pubblicazione: (2026)
Continuum Attention for Neural Operators
di: Calvello, Edoardo, et al.
Pubblicazione: (2024)
di: Calvello, Edoardo, et al.
Pubblicazione: (2024)
Parameter Robust Isogeometric Methods for a Four-Field Formulation of Biot's Consolidation Model
di: Chu, Hanyu, et al.
Pubblicazione: (2025)
di: Chu, Hanyu, et al.
Pubblicazione: (2025)
Operator Learning of Lipschitz Operators: An Information-Theoretic Perspective
di: Lanthaler, Samuel
Pubblicazione: (2024)
di: Lanthaler, Samuel
Pubblicazione: (2024)
MODNO: Multi Operator Learning With Distributed Neural Operators
di: Zhang, Zecheng
Pubblicazione: (2024)
di: Zhang, Zecheng
Pubblicazione: (2024)
Operator Learning: Algorithms and Analysis
di: Kovachki, Nikola B., et al.
Pubblicazione: (2024)
di: Kovachki, Nikola B., et al.
Pubblicazione: (2024)
The Parametric Complexity of Operator Learning
di: Lanthaler, Samuel, et al.
Pubblicazione: (2023)
di: Lanthaler, Samuel, et al.
Pubblicazione: (2023)
Leray-Schauder Mappings for Operator Learning
di: Zappala, Emanuele
Pubblicazione: (2024)
di: Zappala, Emanuele
Pubblicazione: (2024)
Data Complexity Estimates for Operator Learning
di: Kovachki, Nikola B., et al.
Pubblicazione: (2024)
di: Kovachki, Nikola B., et al.
Pubblicazione: (2024)
In-Context Learning of Linear Systems: Generalization Theory and Applications to Operator Learning
di: Cole, Frank, et al.
Pubblicazione: (2024)
di: Cole, Frank, et al.
Pubblicazione: (2024)
UFO: A Domain-Unification-Free Operator Framework for Generalized Operator Learning
di: Qiao, Hanli, et al.
Pubblicazione: (2026)
di: Qiao, Hanli, et al.
Pubblicazione: (2026)
Nonlocality and Nonlinearity Implies Universality in Operator Learning
di: Lanthaler, Samuel, et al.
Pubblicazione: (2023)
di: Lanthaler, Samuel, et al.
Pubblicazione: (2023)
A Deep Learning Framework for Multi-Operator Learning: Architectures and Approximation Theory
di: Weihs, Adrien, et al.
Pubblicazione: (2025)
di: Weihs, Adrien, et al.
Pubblicazione: (2025)
Towards a Foundation Model for Partial Differential Equations: Multi-Operator Learning and Extrapolation
di: Sun, Jingmin, et al.
Pubblicazione: (2024)
di: Sun, Jingmin, et al.
Pubblicazione: (2024)
Kernel Neural Operators (KNOs) for Scalable, Memory-efficient, Geometrically-flexible Operator Learning
di: Lowery, Matthew, et al.
Pubblicazione: (2024)
di: Lowery, Matthew, et al.
Pubblicazione: (2024)
Neural Operator: Learning Maps Between Function Spaces
di: Kovachki, Nikola, et al.
Pubblicazione: (2021)
di: Kovachki, Nikola, et al.
Pubblicazione: (2021)
Cauchy Random Features for Operator Learning in Sobolev Space
di: Liao, Chunyang, et al.
Pubblicazione: (2025)
di: Liao, Chunyang, et al.
Pubblicazione: (2025)
The Sample Complexity of Learning Lipschitz Operators with respect to Gaussian Measures
di: Adcock, Ben, et al.
Pubblicazione: (2024)
di: Adcock, Ben, et al.
Pubblicazione: (2024)
Fourier Neural Operator with Learned Deformations for PDEs on General Geometries
di: Li, Zongyi, et al.
Pubblicazione: (2022)
di: Li, Zongyi, et al.
Pubblicazione: (2022)
Learning Operators through Coefficient Mappings in Fixed Basis Spaces
di: Chen, Chuqi, et al.
Pubblicazione: (2025)
di: Chen, Chuqi, et al.
Pubblicazione: (2025)
Controlling Statistical, Discretization, and Truncation Errors in Learning Fourier Linear Operators
di: Subedi, Unique, et al.
Pubblicazione: (2024)
di: Subedi, Unique, et al.
Pubblicazione: (2024)
An Overview on Machine Learning Methods for Partial Differential Equations: from Physics Informed Neural Networks to Deep Operator Learning
di: Gonon, Lukas, et al.
Pubblicazione: (2024)
di: Gonon, Lukas, et al.
Pubblicazione: (2024)
Learn to Evolve: Self-supervised Neural JKO Operator for Wasserstein Gradient Flow
di: Feng, Xue, et al.
Pubblicazione: (2026)
di: Feng, Xue, et al.
Pubblicazione: (2026)
Learning reduced-order Quadratic-Linear models in Process Engineering using Operator Inference
di: Gosea, Ion Victor, et al.
Pubblicazione: (2024)
di: Gosea, Ion Victor, et al.
Pubblicazione: (2024)
Positional Knowledge is All You Need: Position-induced Transformer (PiT) for Operator Learning
di: Chen, Junfeng, et al.
Pubblicazione: (2024)
di: Chen, Junfeng, et al.
Pubblicazione: (2024)
Stabilizing and Solving Unique Continuation Problems by Parameterizing Data and Learning Finite Element Solution Operators
di: Burman, Erik, et al.
Pubblicazione: (2024)
di: Burman, Erik, et al.
Pubblicazione: (2024)
DeltaPhi: Physical States Residual Learning for Neural Operators in Data-Limited PDE Solving
di: Yue, Xihang, et al.
Pubblicazione: (2024)
di: Yue, Xihang, et al.
Pubblicazione: (2024)
Reduced-Basis Deep Operator Learning for Parametric PDEs with Independently Varying Boundary and Source Data
di: Wang, Yueqi, et al.
Pubblicazione: (2025)
di: Wang, Yueqi, et al.
Pubblicazione: (2025)
Data-Efficient Kernel Methods for Learning Differential Equations and Their Solution Operators: Algorithms and Error Analysis
di: Jalalian, Yasamin, et al.
Pubblicazione: (2025)
di: Jalalian, Yasamin, et al.
Pubblicazione: (2025)
A Mathematical Guide to Operator Learning
di: Boullé, Nicolas, et al.
Pubblicazione: (2023)
di: Boullé, Nicolas, et al.
Pubblicazione: (2023)
Deep Parallel Spectral Neural Operators for Solving Partial Differential Equations with Enhanced Low-Frequency Learning Capability
di: Ma, Qinglong, et al.
Pubblicazione: (2024)
di: Ma, Qinglong, et al.
Pubblicazione: (2024)
Quantifying Correlations of Machine Learning Models
di: Li, Yuanyuan, et al.
Pubblicazione: (2025)
di: Li, Yuanyuan, et al.
Pubblicazione: (2025)
Block BDDC/FETI-DP Preconditioners for Three-Field mixed finite element Discretizations of Biot's consolidation model
di: Chu, Hanyu, et al.
Pubblicazione: (2025)
di: Chu, Hanyu, et al.
Pubblicazione: (2025)
Projection Methods for Operator Learning and Universal Approximation
di: Zappala, Emanuele
Pubblicazione: (2024)
di: Zappala, Emanuele
Pubblicazione: (2024)
Documenti analoghi
-
Learning High-dimensional Ionic Model Dynamics Using Fourier Neural Operators
di: Pellegrini, Luca, et al.
Pubblicazione: (2025) -
HyperNOs: Automated and Parallel Library for Neural Operators Research
di: Ghiotto, Massimiliano
Pubblicazione: (2025) -
Learning cardiac activation and repolarization times with operator learning
di: Centofanti, Edoardo, et al.
Pubblicazione: (2025) -
A Neural Latent Dynamics Approach for Solving Inverse Problems in Cardiac Electrophysiology
di: Centofanti, Edoardo, et al.
Pubblicazione: (2026) -
Operator Learning at Machine Precision
di: Bacho, Aras, et al.
Pubblicazione: (2025)