Buchumschlag

Multi evolutional deep neural networks (Multi-EDNN)

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kim, Hadden, Zaki, Tamer A.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Numerical Analysis Machine Learning Dynamical Systems Computational Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

LES-SINDy: Laplace-Enhanced Sparse Identification of Nonlinear Dynamical Systems
von: Zheng, Haoyang, et al.
Veröffentlicht: (2024)

Streaming Operator Inference for Model Reduction of Large-Scale Dynamical Systems
von: Koike, Tomoki, et al.
Veröffentlicht: (2026)

Neural Integral Equations
von: Zappala, Emanuele, et al.
Veröffentlicht: (2022)

Physics-Informed Boundary Integral Networks (PIBI-Nets): A Data-Driven Approach for Solving Partial Differential Equations
von: Nagy-Huber, Monika, et al.
Veröffentlicht: (2023)

Improving physics-informed neural network extrapolation via transfer learning and adaptive activation functions
von: Papastathopoulos-Katsaros, Athanasios, et al.
Veröffentlicht: (2025)

A review of shape-morphing solutions and evolutional neural networks for spatiotemporal dynamics
von: Farazmand, Mohammad
Veröffentlicht: (2026)

Automated transport separation using the neural shifted proper orthogonal decomposition
von: Zorawski, Beata, et al.
Veröffentlicht: (2024)

Dynamical processes on metric networks
von: Böttcher, Lucas, et al.
Veröffentlicht: (2024)

Generalized Lagrangian Neural Networks
von: Xiao, Shanshan, et al.
Veröffentlicht: (2024)

Improving PINNs By Algebraic Inclusion of Boundary and Initial Conditions
von: Ren, Mohan, et al.
Veröffentlicht: (2024)

Energy-Preserving Reduced Operator Inference for Efficient Design and Control
von: Koike, Tomoki, et al.
Veröffentlicht: (2024)

On Learning what to Learn: heterogeneous observations of dynamics and establishing (possibly causal) relations among them
von: Sroczynski, David W., et al.
Veröffentlicht: (2024)

Kernel Methods for the Approximation of the Eigenfunctions of the Koopman Operator
von: Lee, Jonghyeon, et al.
Veröffentlicht: (2024)

Efficient, Multimodal, and Derivative-Free Bayesian Inference With Fisher-Rao Gradient Flows
von: Chen, Yifan, et al.
Veröffentlicht: (2024)

Optimizing Parallel Schemes with Lyapunov Exponents and kNN-LLE Estimation
von: Shams, Mudassir, et al.
Veröffentlicht: (2026)

Parsimonious Physics-Informed Random Projection Neural Networks for Initial-Value Problems of ODEs and index-1 DAEs
von: Fabiani, Gianluca, et al.
Veröffentlicht: (2022)

Kernel Methods for Some Transport Equations with Application to Learning Kernels for the Approximation of Koopman Eigenfunctions: A Unified Approach via Variational Methods, Green's Functions and the Method of Characteristics
von: Hamzi, Boumediene, et al.
Veröffentlicht: (2026)

A Frobenius-Optimal Projection for Enforcing Linear Conservation in Learned Dynamical Models
von: Mango, John M., et al.
Veröffentlicht: (2025)

Physics-Informed Functional Link Constrained Framework with Domain Mapping for Solving Bending Analysis of an Exponentially Loaded Perforated Beam
von: Sahu, Iswari, et al.
Veröffentlicht: (2026)

Operator Learning for Smoothing and Forecasting
von: Calvello, Edoardo, et al.
Veröffentlicht: (2026)

On the Unique Recovery of Transport Maps and Vector Fields from Finite Measure-Valued Data
von: Botvinick-Greenhouse, Jonah, et al.
Veröffentlicht: (2026)

Reconstruction of dynamical systems from data without time labels
von: Zeng, Zhijun, et al.
Veröffentlicht: (2023)

Sampling via Gradient Flows in the Space of Probability Measures
von: Chen, Yifan, et al.
Veröffentlicht: (2023)

DUE: A Deep Learning Framework and Library for Modeling Unknown Equations
von: Chen, Junfeng, et al.
Veröffentlicht: (2025)

Data-efficient Kernel Methods for Learning Hamiltonian Systems
von: Jalalian, Yasamin, et al.
Veröffentlicht: (2025)

Semi-Explicit Neural DAEs: Learning Long-Horizon Dynamical Systems with Algebraic Constraints
von: Pal, Avik, et al.
Veröffentlicht: (2025)

Enhancing Solutions for Complex PDEs: Introducing Complementary Convolution and Equivariant Attention in Fourier Neural Operators
von: Zhao, Xuanle, et al.
Veröffentlicht: (2023)

Extreme Event Aware ($η$-) Learning
von: Chang, Kai, et al.
Veröffentlicht: (2025)

On the algebra of Koopman eigenfunctions and on some of their infinities
von: Monfared, Zahra, et al.
Veröffentlicht: (2026)

Efficient Parametric SVD of Koopman Operator for Stochastic Dynamical Systems
von: Jeong, Minchan, et al.
Veröffentlicht: (2025)

Vocabulary for Universal Approximation: A Linguistic Perspective of Mapping Compositions
von: Cai, Yongqiang
Veröffentlicht: (2023)

Guaranteed Stable Quadratic Models and their applications in SINDy and Operator Inference
von: Goyal, Pawan, et al.
Veröffentlicht: (2023)

Subspace-Distance-Enabled Active Learning for Efficient Data-Driven Model Reduction of Parametric Dynamical Systems
von: Kapadia, Harshit, et al.
Veröffentlicht: (2025)

State Estimation Using Sparse DEIM and Recurrent Neural Networks
von: Farazmand, Mohammad
Veröffentlicht: (2024)

EddyFormer: Accelerated Neural Simulations of Three-Dimensional Turbulence at Scale
von: Du, Yiheng, et al.
Veröffentlicht: (2025)

Weak Generative Sampler to Efficiently Sample Invariant Distribution of Stochastic Differential Equation
von: Cai, Zhiqiang, et al.
Veröffentlicht: (2024)

Latent Space Element Method
von: Chung, Seung Whan, et al.
Veröffentlicht: (2026)

Kernel Methods for Stochastic Dynamical Systems with Application to Koopman Eigenfunctions: Feynman-Kac Representations and RKHS Approximation
von: Hamzi, Boumediene, et al.
Veröffentlicht: (2026)

Data-driven approximation of transfer operators for mean-field stochastic differential equations
von: Ioannou, Eirini, et al.
Veröffentlicht: (2025)

Second Order Ensemble Langevin Method for Sampling and Inverse Problems
von: Liu, Ziming, et al.
Veröffentlicht: (2022)