Buchumschlag

Universal Approximation of Operators with Transformers and Neural Integral Operators

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zappala, Emanuele, Bagherian, Maryam
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Numerical Analysis
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Projection Methods for Operator Learning and Universal Approximation
von: Zappala, Emanuele
Veröffentlicht: (2024)

Leray-Schauder Mappings for Operator Learning
von: Zappala, Emanuele
Veröffentlicht: (2024)

Spectral methods for Neural Integral Equations
von: Zappala, Emanuele
Veröffentlicht: (2023)

Quantitative Approximation for Neural Operators in Nonlinear Parabolic Equations
von: Furuya, Takashi, et al.
Veröffentlicht: (2024)

Guaranteed Approximation Bounds for Mixed-Precision Neural Operators
von: Tu, Renbo, et al.
Veröffentlicht: (2023)

Neural Operators with Localized Integral and Differential Kernels
von: Liu-Schiaffini, Miguel, et al.
Veröffentlicht: (2024)

Operator SVD with Neural Networks via Nested Low-Rank Approximation
von: Ryu, J. Jon, et al.
Veröffentlicht: (2024)

Fourier Neural Operators for Non-Markovian Processes:Approximation Theorems and Experiments
von: Lee, Wonjae, et al.
Veröffentlicht: (2025)

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

Approximating Numerical Fluxes Using Fourier Neural Operators for Hyperbolic Conservation Laws
von: Kim, Taeyoung, et al.
Veröffentlicht: (2024)

HAMLET: Graph Transformer Neural Operator for Partial Differential Equations
von: Bryutkin, Andrey, et al.
Veröffentlicht: (2024)

Integral Operator Approaches for Scattered Data Fitting on Spheres
von: Lin, Shao-Bo
Veröffentlicht: (2024)

MODNO: Multi Operator Learning With Distributed Neural Operators
von: Zhang, Zecheng
Veröffentlicht: (2024)

Universal Approximation of Nonlinear Operators and Their Derivatives
von: de Feo, Filippo
Veröffentlicht: (2026)

Continuum Attention for Neural Operators
von: Calvello, Edoardo, et al.
Veröffentlicht: (2024)

Mamba Neural Operator: Who Wins? Transformers vs. State-Space Models for PDEs
von: Cheng, Chun-Wun, et al.
Veröffentlicht: (2024)

Kernel Neural Operators (KNOs) for Scalable, Memory-efficient, Geometrically-flexible Operator Learning
von: Lowery, Matthew, et al.
Veröffentlicht: (2024)

Nonlocality and Nonlinearity Implies Universality in Operator Learning
von: Lanthaler, Samuel, et al.
Veröffentlicht: (2023)

Physics-Informed Geometry-Aware Neural Operator
von: Zhong, Weiheng, et al.
Veröffentlicht: (2024)

A Mathematical Analysis of Neural Operator Behaviors
von: Le, Vu-Anh, et al.
Veröffentlicht: (2024)

A Boundary Integral-based Neural Operator for Mesh Deformation
von: Wu, Zhengyu, et al.
Veröffentlicht: (2026)

A Deep Learning Framework for Multi-Operator Learning: Architectures and Approximation Theory
von: Weihs, Adrien, et al.
Veröffentlicht: (2025)

Approximation with SiLU Networks: Constant Depth and Exponential Rates for Basic Operations
von: Ayena, Koffi O.
Veröffentlicht: (2025)

Multi-Level Monte Carlo Training of Neural Operators
von: Rowbottom, James, et al.
Veröffentlicht: (2025)

Revisiting Orbital Minimization Method for Neural Operator Decomposition
von: Ryu, J. Jon, et al.
Veröffentlicht: (2025)

Neural Operator: Learning Maps Between Function Spaces
von: Kovachki, Nikola, et al.
Veröffentlicht: (2021)

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

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

Long-time Integration of Nonlinear Wave Equations with Neural Operators
von: Lei, Guanhang, et al.
Veröffentlicht: (2024)

Latent Neural Operator for Solving Forward and Inverse PDE Problems
von: Wang, Tian, et al.
Veröffentlicht: (2024)

Component Fourier Neural Operator for Singularly Perturbed Differential Equations
von: Li, Ye, et al.
Veröffentlicht: (2024)

Neural Parameter Regression for Explicit Representations of PDE Solution Operators
von: Mundinger, Konrad, et al.
Veröffentlicht: (2024)

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

Blending Neural Operators and Relaxation Methods in PDE Numerical Solvers
von: Zhang, Enrui, et al.
Veröffentlicht: (2022)

HyperNOs: Automated and Parallel Library for Neural Operators Research
von: Ghiotto, Massimiliano
Veröffentlicht: (2025)

Translation Invariance of Neural Operators for the FitzHugh-Nagumo Model
von: Pellegrini, Luca
Veröffentlicht: (2026)

Operator Learning of Lipschitz Operators: An Information-Theoretic Perspective
von: Lanthaler, Samuel
Veröffentlicht: (2024)

Efficient Transformer-Inspired Variants of Physics-Informed Deep Operator Networks
von: Wei, Zhi-Feng, et al.
Veröffentlicht: (2025)

Mixture-of-Experts Operator Transformer for Large-Scale PDE Pre-Training
von: Wang, Hong, et al.
Veröffentlicht: (2025)

Diffeomorphism Neural Operator for various domains and parameters of partial differential equations
von: Zhao, Zhiwei, et al.
Veröffentlicht: (2024)