Buchumschlag

R-adaptive DeepONet: Learning Solution Operators for PDEs with Discontinuous Solutions Using an R-adaptive Strategy

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhu, Yameng, Chen, Jingrun, Deng, Weibing
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Numerical Analysis
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

XI-DeepONet: An operator learning method for elliptic interface problems
von: Bi, Ran, et al.
Veröffentlicht: (2024)

DeepONet Augmented by Randomized Neural Networks for Efficient Operator Learning in PDEs
von: Jiang, Zhaoxi, et al.
Veröffentlicht: (2025)

The Calderón's problem via DeepONets
von: Castro, Javier, et al.
Veröffentlicht: (2022)

DD-DeepONet: Domain decomposition and DeepONet for solving partial differential equations in three application scenarios
von: Yang, Bo, et al.
Veröffentlicht: (2025)

Extended Interface Physics-Informed Neural Networks Method for Moving Interface Problems
von: Bi, Ran, et al.
Veröffentlicht: (2025)

A Two-stage Adaptive Lifting PINN Framework for Solving Viscous Approximations to Hyperbolic Conservation Laws
von: Zhu, Yameng, et al.
Veröffentlicht: (2025)

Conformalized-DeepONet: A Distribution-Free Framework for Uncertainty Quantification in Deep Operator Networks
von: Moya, Christian, et al.
Veröffentlicht: (2024)

DeepONet-accelerated Bayesian inversion for moving boundary problems
von: Iglesias, Marco A., et al.
Veröffentlicht: (2025)

ELM-DeepONets: Backpropagation-Free Training of Deep Operator Networks via Extreme Learning Machines
von: Son, Hwijae
Veröffentlicht: (2025)

Improving physics-informed DeepONets with hard constraints
von: Brecht, Rüdiger, et al.
Veröffentlicht: (2023)

DeepONet for Solving Nonlinear Partial Differential Equations with Physics-Informed Training
von: Yang, Yahong
Veröffentlicht: (2024)

NSPOD: Accelerating Krylov solvers via DeepONet-learned POD subspaces
von: Levrero-Florencio, Francesc, et al.
Veröffentlicht: (2026)

Fine-Tuning DeepONets to Enhance Physics-informed Neural Networks for solving Partial Differential Equations
von: Wu, Sidi
Veröffentlicht: (2024)

A POD-DeepONet Framework for Forward and Inverse Design of 2D Photonic Crystals
von: Wang, Yueqi, et al.
Veröffentlicht: (2026)

Physics-Informed DeepONets for drift-diffusion on metric graphs: simulation and parameter identification
von: Blechschmidt, Jan, et al.
Veröffentlicht: (2025)

A Hybrid Discontinuous Galerkin Neural Network Method for Solving Hyperbolic Conservation Laws with Temporal Progressive Learning
von: Shen, Yan, et al.
Veröffentlicht: (2025)

fPINN-DeepONet: A Physics-Informed Operator Learning Framework for Multi-term Time-fractional Mixed Diffusion-wave Equations
von: Lu, Binghang, et al.
Veröffentlicht: (2026)

$ϕ-$DeepONet: A Discontinuity Capturing Neural Operator
von: Roy, Sumanta, et al.
Veröffentlicht: (2026)

What do physics-informed DeepONets learn? Understanding and improving training for scientific computing applications
von: Williams, Emily, et al.
Veröffentlicht: (2024)

Low-rank adaptive physics-informed HyperDeepONets for solving differential equations
von: Zeudong, Etienne, et al.
Veröffentlicht: (2025)

Discrete Solution Operator Learning for Geometry-Dependent PDEs
von: Bai, Jinshuai, et al.
Veröffentlicht: (2026)

An Efficient Deep Learning Approach for Approximating Parameter-to-Solution Maps of PDEs
von: Lei, Guanhang, et al.
Veröffentlicht: (2024)

An adaptive stabilized trace finite element method for surface PDEs
von: Heister, Timo, et al.
Veröffentlicht: (2023)

Kernel Learning of PDE Solution Operators
von: Hu, Jianyu, et al.
Veröffentlicht: (2026)

Recent Advances in Numerical Solutions for Hamilton-Jacobi PDEs
von: Meng, Tingwei, et al.
Veröffentlicht: (2025)

R-PINN: Recovery-type a-posteriori estimator enhanced adaptive PINN
von: Lu, Rongxin, et al.
Veröffentlicht: (2025)

Hybrid Least Squares/Gradient Descent Methods for DeepONets
von: Choi, Jun, et al.
Veröffentlicht: (2025)

Error Analysis on a Novel Class of Exponential Integrators with Local Linear Extension Techniques for Highly Oscillatory ODEs
von: Qi, Zhihao, et al.
Veröffentlicht: (2025)

Cost-optimal adaptive FEM with linearization and algebraic solver for semilinear elliptic PDEs
von: Brunner, Maximilian, et al.
Veröffentlicht: (2024)

Optimal complexity of goal-oriented adaptive FEM for nonsymmetric linear elliptic PDEs
von: Bringmann, Philipp, et al.
Veröffentlicht: (2023)

CLINN: Conservation Law Informed Neural Network for Approximating Discontinuous Solutions
von: Zeng, Weiheng, et al.
Veröffentlicht: (2025)

A Stabilized Unfitted Space-time Finite Element Method for Parabolic Problems on Moving Domains
von: Wang, Ruizhi, et al.
Veröffentlicht: (2025)

Adaptive Randomized Neural Networks with Locally Activation Function: Theory and Algorithm for Solving PDEs
von: Bi, Ran, et al.
Veröffentlicht: (2026)

An Unsupervised Network Architecture Search Method for Solving Partial Differential Equations
von: Li, Qing, et al.
Veröffentlicht: (2025)

Deflation-PINNs: Learning Multiple Solutions for PDEs and Landau-de Gennes
von: Disarò, Sean, et al.
Veröffentlicht: (2026)

LegONet: Plug-and-Play Structure-Preserving Neural Operator Blocks for Compositional PDE Learning
von: Zhang, Jiahao, et al.
Veröffentlicht: (2026)

Unconditional full linear convergence and optimal complexity of adaptive iteratively linearized FEM for nonlinear PDEs
von: Miraçi, Ani, et al.
Veröffentlicht: (2024)

Approximation of Solution Operators for High-dimensional PDEs
von: Gaby, Nathan, et al.
Veröffentlicht: (2024)

$p$-adaptive algorithms in Discontinuous Galerkin solutions to the time-domain Maxwell's equations
von: Tiwari, Apurva, et al.
Veröffentlicht: (2022)

A PINN-enriched finite element method for linear elliptic problems
von: Chen, Xiao, et al.
Veröffentlicht: (2025)