Buchumschlag

Residual resampling-based physics-informed neural network for neutron diffusion equations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Heng, He, Yun-Ling, Liu, Dong, Hang, Qin, Yao, He-Min, Xiang, Di
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Symmetry group based domain decomposition to enhance physics-informed neural networks for solving partial differential equations
von: Liu, Ye, et al.
Veröffentlicht: (2024)

Binary structured physics-informed neural networks for solving equations with rapidly changing solutions
von: Liu, Yanzhi, et al.
Veröffentlicht: (2024)

An efficient wavelet-based physics-informed neural network for multiscale problems
von: Pandey, Himanshu, et al.
Veröffentlicht: (2024)

Long-term simulation of physical and mechanical behaviors using curriculum-transfer-learning based physics-informed neural networks
von: Guo, Yuan, et al.
Veröffentlicht: (2025)

Visualizing the loss landscapes of physics-informed neural networks
von: Rowan, Conor, et al.
Veröffentlicht: (2026)

Enforcing hidden physics in physics-informed neural networks
von: Chen, Nanxi, et al.
Veröffentlicht: (2025)

Distributed physics informed neural network for data-efficient solution to partial differential equations
von: Dwivedi, Vikas, et al.
Veröffentlicht: (2019)

A shallow physics-informed neural network for solving partial differential equations on surfaces
von: Hu, Wei-Fan, et al.
Veröffentlicht: (2022)

Training deep physical neural networks with local physical information bottleneck
von: Wang, Hao, et al.
Veröffentlicht: (2026)

Strategies for training point distributions in physics-informed neural networks
von: Humagain, Santosh, et al.
Veröffentlicht: (2025)

$Δ$-PINNs: physics-informed neural networks on complex geometries
von: Costabal, Francisco Sahli, et al.
Veröffentlicht: (2022)

DiffPINN: Generative diffusion-initialized physics-informed neural networks for accelerating seismic wavefield representation
von: Cheng, Shijun, et al.
Veröffentlicht: (2025)

Pseudo-differential-enhanced physics-informed neural networks
von: Gracyk, Andrew
Veröffentlicht: (2026)

HomPINNs: homotopy physics-informed neural networks for solving the inverse problems of nonlinear differential equations with multiple solutions
von: Zheng, Haoyang, et al.
Veröffentlicht: (2023)

A discrete physics-informed training for projection-based reduced order models with neural networks
von: Sibuet, N., et al.
Veröffentlicht: (2025)

Engineering application of physics-informed neural networks for Saint-Venant torsion
von: Jo, Su Yeong, et al.
Veröffentlicht: (2025)

A physics-informed neural network framework for modeling obstacle-related equations
von: Bahja, Hamid El, et al.
Veröffentlicht: (2023)

Physics-informed neural networks for operator equations with stochastic data
von: Escapil-Inchauspé, Paul, et al.
Veröffentlicht: (2022)

Towards physics-informed neural networks for landslide prediction
von: Dahal, Ashok, et al.
Veröffentlicht: (2024)

Conformal mapping based Physics-informed neural networks for designing neutral inclusions
von: Cho, Daehee, et al.
Veröffentlicht: (2025)

Efficient physics-informed neural networks using hash encoding
von: Huang, Xinquan, et al.
Veröffentlicht: (2023)

Exact and approximate error bounds for physics-informed neural networks
von: Chantada, Augusto T., et al.
Veröffentlicht: (2024)

GaborPINN: Efficient physics informed neural networks using multiplicative filtered networks
von: Huang, Xinquan, et al.
Veröffentlicht: (2023)

QGAN-based data augmentation for hybrid quantum-classical neural networks
von: He, Run-Ze, et al.
Veröffentlicht: (2025)

A scaled TW-PINN: A physics-informed neural network for traveling wave solutions of reaction-diffusion equations with general coefficients
von: Han, Seungwan, et al.
Veröffentlicht: (2026)

Unified generalization analysis for physics informed neural networks
von: Hashimoto, Yuka, et al.
Veröffentlicht: (2026)

Optimal time sampling in physics-informed neural networks
von: Turinici, Gabriel
Veröffentlicht: (2024)

Energy stable neural network for gradient flow equations
von: Wu, Yue, et al.
Veröffentlicht: (2023)

Data assimilation and parameter identification for water waves using the nonlinear Schrödinger equation and physics-informed neural networks
von: Ehlers, Svenja, et al.
Veröffentlicht: (2024)

Variational predictive resampling
von: Battaglia, Laura, et al.
Veröffentlicht: (2026)

Equation identification for fluid flows via physics-informed neural networks
von: New, Alexander, et al.
Veröffentlicht: (2024)

Randomness and signal propagation in physics-informed neural networks (PINNs): A neural PDE perspective
von: Tucny, Jean-Michel, et al.
Veröffentlicht: (2025)

Self-adaptive weights based on balanced residual decay rate for physics-informed neural networks and deep operator networks
von: Chen, Wenqian, et al.
Veröffentlicht: (2024)

Lagged backward-compatible physics-informed neural networks for unsaturated soil consolidation analysis
von: Li, Dong, et al.
Veröffentlicht: (2026)

Distributed physics-informed neural networks via domain decomposition for fast flow reconstruction
von: Qian, Yixiao, et al.
Veröffentlicht: (2026)

Self-adaptive weighting and sampling for physics-informed neural networks
von: Chen, Wenqian, et al.
Veröffentlicht: (2025)

A decomposition-based robust training of physics-informed neural networks for nearly incompressible linear elasticity
von: Dick, Josef, et al.
Veröffentlicht: (2025)

Reconstructions of Jupiter's magnetic field using physics informed neural networks
von: Livermore, Philip W., et al.
Veröffentlicht: (2024)

Numerical analysis of physics-informed neural networks and related models in physics-informed machine learning
von: De Ryck, Tim, et al.
Veröffentlicht: (2024)

Optimization and generalization analysis for two-layer physics-informed neural networks without over-parametrization
von: Zeng, Zhihan, et al.
Veröffentlicht: (2025)