Buchumschlag

Minimum Reduced-Order Models via Causal Inference

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Nan, Liu, Honghu
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Dynamical Systems Data Analysis, Statistics and Probability Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

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

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

Data-driven model discovery with Kolmogorov-Arnold networks
von: Moradi, Mohammadamin, 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)

GD-VAEs: Geometric Dynamic Variational Autoencoders for Learning Nonlinear Dynamics and Dimension Reductions
von: Lopez, Ryan, 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)

Learning Interpretable Hierarchical Dynamical Systems Models from Time Series Data
von: Brenner, Manuel, et al.
Veröffentlicht: (2024)

Lagrangian neural ODEs: Measuring the existence of a Lagrangian with Helmholtz metrics
von: Wolf, Luca, et al.
Veröffentlicht: (2025)

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

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

A Priori Uncertainty Quantification of Reacting Turbulence Closure Models using Bayesian Neural Networks
von: Pash, Graham, et al.
Veröffentlicht: (2024)

Turning Time Series into Algebraic Equations: Symbolic Machine Learning for Interpretable Modeling of Chaotic Time Series
von: Panja, Madhurima, et al.
Veröffentlicht: (2026)

Parsimonious Dynamic Mode Decomposition: A Robust and Automated Approach for Optimally Sparse Mode Selection in Complex Systems
von: Das, Arpan, et al.
Veröffentlicht: (2024)

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

Reconstruction of network dynamics from partial observations
von: Berry, Tyrus, et al.
Veröffentlicht: (2024)

Non-Markovian Reduced Models to Unravel Transitions in Non-equilibrium Systems
von: Chekroun, Mickaël D., et al.
Veröffentlicht: (2024)

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

The conditional-mean barrier: From deterministic regression to conditional distribution learning
von: Chen, Junfeng
Veröffentlicht: (2026)

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

Parameter inference from a non-stationary unknown process
von: Owens, Kieran S., et al.
Veröffentlicht: (2024)

Similarity Learning with neural networks
von: Sanfins, Gabriel, et al.
Veröffentlicht: (2024)

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

Probabilistic Flux Limiters
von: Nguyen-Fotiadis, Nga T. T., et al.
Veröffentlicht: (2024)

Vestibular reservoir computing
von: Deb, Smita, et al.
Veröffentlicht: (2026)

Hierarchical Dimensionless Learning (Hi-π): A physics-data hybrid-driven approach for discovering dimensionless parameter combinations
von: Xia, Mingkun, et al.
Veröffentlicht: (2025)

Equilibrium Propagation for Learning in Lagrangian Dynamical Systems
von: Massar, Serge
Veröffentlicht: (2025)

Anticipating tipping in spatiotemporal systems with machine learning
von: Deb, Smita, et al.
Veröffentlicht: (2026)

An application of machine learning to the motion response prediction of floating assets
von: Morris-Thomas, Michael T. M. B., et al.
Veröffentlicht: (2025)

Improving aircraft performance using machine learning: a review
von: Clainche, Soledad Le, et al.
Veröffentlicht: (2022)

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

Dynamical stability and chaos in artificial neural network trajectories along training
von: Danovski, Kaloyan, et al.
Veröffentlicht: (2024)

Ensemble forecasts in reproducing kernel Hilbert space family
von: Dufée, Benjamin, et al.
Veröffentlicht: (2022)

Leveraging chaotic transients in the training of artificial neural networks
von: Jiménez-González, Pedro, et al.
Veröffentlicht: (2025)

Aeroelastic Reduced-Order Model Differential Equations in Transonic Buffeting Flow
von: Candon, Michael, et al.
Veröffentlicht: (2025)

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

Learning Response-Statistic Shifts and Parametric Roll Episodes from Wave--Vessel Time Series via LSTM Functional Models
von: Ferrandis, Jose del Aguila
Veröffentlicht: (2026)

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