Buchumschlag

On Probabilistic Embeddings in Optimal Dimension Reduction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Murray, Ryan, Pickarski, Adam
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Analysis of PDEs
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On the continuum limit of t-SNE for data visualization
von: Calder, Jeff, et al.
Veröffentlicht: (2026)

Large data limits and scaling laws for tSNE
von: Murray, Ryan, et al.
Veröffentlicht: (2024)

Regularity of Solutions to Beckmann's Parametric Optimal Transport
von: Gottschalk, Hanno, et al.
Veröffentlicht: (2026)

The Multimarginal Optimal Transport Formulation of Adversarial Multiclass Classification
von: Trillos, Nicolas Garcia, et al.
Veröffentlicht: (2022)

Harmonic Control Lyapunov Barrier Functions for Constrained Optimal Control with Reach-Avoid Specifications
von: Mukherjee, Amartya, et al.
Veröffentlicht: (2023)

Interaction-Force Transport Gradient Flows
von: Gladin, Egor, et al.
Veröffentlicht: (2024)

Efficient Numerical Wave Propagation Enhanced By An End-to-End Deep Learning Model
von: Kaiser, Luis, et al.
Veröffentlicht: (2024)

Nonlocal Attention Operator: Materializing Hidden Knowledge Towards Interpretable Physics Discovery
von: Yu, Yue, et al.
Veröffentlicht: (2024)

Global Well-posedness and Convergence Analysis of Score-based Generative Models via Sharp Lipschitz Estimates
von: Mooney, Connor, et al.
Veröffentlicht: (2024)

Mean-Field Analysis for Learning Subspace-Sparse Polynomials with Gaussian Input
von: Chen, Ziang, et al.
Veröffentlicht: (2024)

Improved Graph-based semi-supervised learning Schemes
von: Bozorgnia, Farid
Veröffentlicht: (2024)

Solving the Poisson Equation with Dirichlet data by shallow ReLU$^α$-networks: A regularity and approximation perspective
von: Vaishampayan, Malhar, et al.
Veröffentlicht: (2024)

Kernel Approximation of Fisher-Rao Gradient Flows
von: Zhu, Jia-Jie, et al.
Veröffentlicht: (2024)

A Physics Informed Neural Network (PINN) Methodology for Coupled Moving Boundary PDEs
von: Kathane, Shivprasad, et al.
Veröffentlicht: (2024)

Learning functional components of PDEs from data using neural networks
von: Loman, Torkel E., et al.
Veröffentlicht: (2026)

Partial Differential Equations in the Age of Machine Learning: A Critical Synthesis of Classical, Machine Learning, and Hybrid Methods
von: Nooraiepour, Mohammad, et al.
Veröffentlicht: (2026)

Minimax Rates for the Estimation of Eigenpairs of Weighted Laplace-Beltrami Operators on Manifolds
von: Trillos, Nicolás García, et al.
Veröffentlicht: (2025)

Generalization Error Bounds for Picard-Type Operator Learning in Nonlinear Parabolic PDEs
von: Taniguchi, Koichi, et al.
Veröffentlicht: (2026)

Is Zero-Shot Super-Resolution Possible in Operator Learning?
von: Subedi, Unique, et al.
Veröffentlicht: (2026)

The emergence of clusters in self-attention dynamics
von: Geshkovski, Borjan, et al.
Veröffentlicht: (2023)

Learning PDE Solvers with Physics and Data: A Unifying View of Physics-Informed Neural Networks and Neural Operators
von: Dai, Yilong, et al.
Veröffentlicht: (2026)

Adapting Noise to Data: Generative Flows from 1D Processes
von: Chemseddine, Jannis, et al.
Veröffentlicht: (2025)

Double Coupling Architecture and Training Method for Optimization Problems of Differential Algebraic Equations with Parameters
von: Yang, Wenqiang, et al.
Veröffentlicht: (2026)

Deep Learning-Enhanced Calibration of the Heston Model: A Unified Framework
von: Zadgar, Arman, et al.
Veröffentlicht: (2025)

Stiff Transfer Learning for Physics-Informed Neural Networks
von: Seiler, Emilien, et al.
Veröffentlicht: (2025)

Trace Regularity PINNs: Enforcing $\mathrm{H}^{\frac{1}{2}}(\partial Ω)$ for Boundary Data
von: Kim, Doyoon, et al.
Veröffentlicht: (2025)

Wasserstein Bounds for generative diffusion models with Gaussian tail targets
von: Wang, Xixian, et al.
Veröffentlicht: (2024)

Barron Space Representations for Elliptic PDEs with Homogeneous Boundary Conditions
von: Chen, Ziang, et al.
Veröffentlicht: (2025)

Generalization Bounds for Physics-Informed Neural Networks for the Incompressible Navier-Stokes Equations
von: Andre-Sloan, Sebastien, et al.
Veröffentlicht: (2026)

DeepRitzSplit Neural Operator for Phase-Field Models via Energy Splitting
von: Huang, Chih-Kang, et al.
Veröffentlicht: (2026)

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

Rigorous Error Certification for Neural PDE Solvers: From Empirical Residuals to Solution Guarantees
von: Mukherjee, Amartya, et al.
Veröffentlicht: (2026)

Singularity Formation: Synergy in Theoretical, Numerical and Machine Learning Approaches
von: Wang, Yixuan
Veröffentlicht: (2026)

Regularity of Second-Order Elliptic PDEs in Spectral Barron Spaces
von: Chen, Ziang, et al.
Veröffentlicht: (2026)

Scalable Signature Kernel Computations for Long Time Series via Local Neumann Series Expansions
von: Tamayo-Rios, Matthew, et al.
Veröffentlicht: (2025)

Investigating the Ability of PINNs To Solve Burgers' PDE Near Finite-Time BlowUp
von: Kumar, Dibyakanti, et al.
Veröffentlicht: (2023)

Optimal Embedding Dimension for Sparse Subspace Embeddings
von: Chenakkod, Shabarish, et al.
Veröffentlicht: (2023)

Neural Sampling from Boltzmann Densities: Fisher-Rao Curves in the Wasserstein Geometry
von: Chemseddine, Jannis, et al.
Veröffentlicht: (2024)

Kinetic theory for Transformers and the lost-in-the-middle phenomenon
von: Duerinckx, Mitia, et al.
Veröffentlicht: (2026)

Independent projections of diffusions: Gradient flows for variational inference and optimal mean field approximations
von: Lacker, Daniel
Veröffentlicht: (2023)