:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hou, Yilong, Li, Xi'an, Wu, Jinran, Wang, You-Gan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Numerical Analysis
Online-Zugang:	https://arxiv.org/abs/2408.09340
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

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

Latent Neural Operator Pretraining for Solving Time-Dependent PDEs
von: Wang, Tian, et al.
Veröffentlicht: (2024)

Solving PDEs on Unknown Manifolds with Machine Learning
von: Liang, Senwei, et al.
Veröffentlicht: (2021)

Solving Nonlinear PDEs with Sparse Radial Basis Function Networks
von: Shao, Zihan, et al.
Veröffentlicht: (2025)

Adaptive-Distribution Randomized Neural Networks for PDEs: A Low-Dimensional Distribution-Learning Framework
von: Yang, You, et al.
Veröffentlicht: (2026)

Transolver: A Fast Transformer Solver for PDEs on General Geometries
von: Wu, Haixu, et al.
Veröffentlicht: (2024)

TINNs: Time-Induced Neural Networks for Solving Time-Dependent PDEs
von: Dai, Chen-Yang, et al.
Veröffentlicht: (2026)

Solving PDEs With Deep Neural Nets under General Boundary Conditions
von: Zhang, Chenggong
Veröffentlicht: (2025)

High precision PINNs in unbounded domains: application to singularity formulation in PDEs
von: Wang, Yixuan, et al.
Veröffentlicht: (2025)

Posterior Concentration of Bayesian Physics-Informed Neural Networks for Elliptic PDEs
von: Zhao, Yuxuan, et al.
Veröffentlicht: (2026)

Normalized Fourier-induced PINN method for solving the wave propagation equation in a non-unitized domain over an extended time range
von: Ma, Jichao, et al.
Veröffentlicht: (2025)

Augmented physics informed extreme learning machine to solve the biharmonic equations via Fourier expansions
von: Li, Xi'an, et al.
Veröffentlicht: (2023)

Fourier heuristic PINNs to solve the biharmonic equations based on its coupled scheme
von: Huang, Yujia, et al.
Veröffentlicht: (2025)

UGrid: An Efficient-And-Rigorous Neural Multigrid Solver for Linear PDEs
von: Han, Xi, et al.
Veröffentlicht: (2024)

Solving Roughly Forced Nonlinear PDEs via Misspecified Kernel Methods and Neural Networks
von: Baptista, Ricardo, et al.
Veröffentlicht: (2025)

FastLSQ: Solving PDEs in One Shot via Fourier Features with Exact Analytical Derivatives
von: Sulc, Antonin
Veröffentlicht: (2026)

Solving PDEs on Spheres with Physics-Informed Convolutional Neural Networks
von: Lei, Guanhang, et al.
Veröffentlicht: (2023)

Fourier Neural Operator with Learned Deformations for PDEs on General Geometries
von: Li, Zongyi, et al.
Veröffentlicht: (2022)

Incorporating Local Hölder Regularity into PINNs for Solving Elliptic PDEs
von: Zhou, Qirui, et al.
Veröffentlicht: (2025)

Solving Elliptic Optimal Control Problems via Neural Networks and Optimality System
von: Dai, Yongcheng, et al.
Veröffentlicht: (2023)

Multi-Scale Finite Expression Method for PDEs with Oscillatory Solutions on Complex Domains
von: Hardwick, Gareth, et al.
Veröffentlicht: (2025)

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

Finite Element Neural Network Interpolation. Part I: Interpretable and Adaptive Discretization for Solving PDEs
von: Škardová, Kateřina, et al.
Veröffentlicht: (2024)

An Iterative Deep Ritz Method for Monotone Elliptic Problems
von: Hu, Tianhao, et al.
Veröffentlicht: (2025)

Automatic Differentiation is Essential in Training Neural Networks for Solving Differential Equations
von: Chen, Chuqi, et al.
Veröffentlicht: (2024)

TENG: Time-Evolving Natural Gradient for Solving PDEs With Deep Neural Nets Toward Machine Precision
von: Chen, Zhuo, et al.
Veröffentlicht: (2024)

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

Quantifying Training Difficulty and Accelerating Convergence in Neural Network-Based PDE Solvers
von: Chen, Chuqi, et al.
Veröffentlicht: (2024)

Structure-preserving learning for multi-symplectic PDEs
von: Yıldız, Süleyman, et al.
Veröffentlicht: (2024)

CONFIDE: Contextual Finite Differences Modelling of PDEs
von: Linial, Ori, et al.
Veröffentlicht: (2023)

Neural Measures for learning distributions of Random PDEs
von: Arampatzis, Georgios, et al.
Veröffentlicht: (2025)

VS-PINN: A fast and efficient training of physics-informed neural networks using variable-scaling methods for solving PDEs with stiff behavior
von: Ko, Seungchan, et al.
Veröffentlicht: (2024)

Balance-Guided Sparse Identification of Multiscale Nonlinear PDEs with Small-coefficient Terms
von: Dang, Zhenhua, et al.
Veröffentlicht: (2026)

Using Uncertainty Quantification to Characterize and Improve Out-of-Domain Learning for PDEs
von: Mouli, S. Chandra, et al.
Veröffentlicht: (2024)

Multi-Level GNN Preconditioner for Solving Large Scale Problems
von: Nastorg, Matthieu, et al.
Veröffentlicht: (2024)

Reduced-Basis Deep Operator Learning for Parametric PDEs with Independently Varying Boundary and Source Data
von: Wang, Yueqi, et al.
Veröffentlicht: (2025)

Deep Parallel Spectral Neural Operators for Solving Partial Differential Equations with Enhanced Low-Frequency Learning Capability
von: Ma, Qinglong, et al.
Veröffentlicht: (2024)

One-Shot Transfer Learning for Nonlinear PDEs with Perturbative PINNs
von: Auroy, Samuel, et al.
Veröffentlicht: (2025)

Resolution invariant deep operator network for PDEs with complex geometries
von: Huang, Jianguo, et al.
Veröffentlicht: (2024)