Buchumschlag

Machine Learning Based Optimal Design of Fibrillar Adhesives

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shojaeifard, Mohammad, Ferraresso, Matteo, Lucantonio, Alessandro, Bacca, Mattia
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Adhesive strength of bio-inspired fibrillar arrays in the presence of contact defects
von: Daniele, Agostinelli, et al.
Veröffentlicht: (2025)

Hyperelastic characterization via deep indentation
von: Shojaeifard, Mohammad, et al.
Veröffentlicht: (2025)

A Comparative Study of Model Selection Criteria for Symbolic Regression
von: Soltani, Ali, et al.
Veröffentlicht: (2026)

Symbolic Regression of Data-Driven Reduced Order Model Closures for Under-Resolved, Convection-Dominated Flows
von: Manti, Simone, et al.
Veröffentlicht: (2025)

Learning Optimal Deterministic Policies with Stochastic Policy Gradients
von: Montenegro, Alessandro, et al.
Veröffentlicht: (2024)

Composite Material Design for Optimized Fracture Toughness Using Machine Learning
von: Jahromi, Mohammad Naqizadeh, et al.
Veröffentlicht: (2024)

Projection-Based Correction for Enhancing Deep Inverse Networks
von: Bacca, Jorge
Veröffentlicht: (2025)

Exploring the Design Space of Fair Tree Learning Algorithms
von: Stempel, Kiara, et al.
Veröffentlicht: (2025)

Deep Reinforcement Learning for Online Optimal Execution Strategies
von: Micheli, Alessandro, et al.
Veröffentlicht: (2024)

Robust Optimization Approach and Learning Based Hide-and-Seek Game for Resilient Network Design
von: Khosravi, Mohammad, et al.
Veröffentlicht: (2026)

Federated Class-Incremental Learning with Hierarchical Generative Prototypes
von: Salami, Riccardo, et al.
Veröffentlicht: (2024)

Machine Learning in Space: Surveying the Robustness of on-board ML models to Radiation
von: Lange, Kevin, et al.
Veröffentlicht: (2024)

A Novel Pearson Correlation-Based Merging Algorithm for Robust Distributed Machine Learning with Heterogeneous Data
von: Rahmat, Mohammad Ghabel, et al.
Veröffentlicht: (2025)

Machine Learning Based Missing Values Imputation in Categorical Datasets
von: Ishaq, Muhammad, et al.
Veröffentlicht: (2023)

Learning by Steering the Neural Dynamics: A Statistical Mechanics Perspective
von: Scardecchia, Mattia
Veröffentlicht: (2025)

Optimal Invariant Bases for Atomistic Machine Learning
von: Allen, Alice E. A., et al.
Veröffentlicht: (2025)

Recent Advances in Optimal Transport for Machine Learning
von: Montesuma, Eduardo Fernandes, et al.
Veröffentlicht: (2023)

On the Design and Performance of Machine Learning Based Error Correcting Decoders
von: Yuan, Yuncheng, et al.
Veröffentlicht: (2024)

Lyapunov Learning at the Onset of Chaos
von: Benati, Matteo, et al.
Veröffentlicht: (2025)

Generalized Recorrupted-to-Recorrupted: Self-Supervised Learning Beyond Gaussian Noise
von: Monroy, Brayan, et al.
Veröffentlicht: (2024)

Energy Efficient Software Hardware CoDesign for Machine Learning: From TinyML to Large Language Models
von: Vahdatpour, Mohammad Saleh, et al.
Veröffentlicht: (2026)

Energetics of Cytoskeletal Gel Contraction
von: Ferraresso, Matteo, et al.
Veröffentlicht: (2022)

SMLE: Safe Machine Learning via Embedded Overapproximation
von: Francobaldi, Matteo, et al.
Veröffentlicht: (2024)

Inverting Self-Organizing Maps: A Unified Activation-Based Framework
von: Londei, Alessandro, et al.
Veröffentlicht: (2026)

Realizable Abstractions: Near-Optimal Hierarchical Reinforcement Learning
von: Cipollone, Roberto, et al.
Veröffentlicht: (2025)

Optimizing Flamelet Generated Manifold Models: A Machine Learning Performance Study
von: Navaei, Reza Lotfi, et al.
Veröffentlicht: (2025)

Optimal Approximation -- Smoothness Tradeoffs for Soft-Max Functions
von: Epasto, Alessandro, et al.
Veröffentlicht: (2020)

Paid with Models: Optimal Contract Design for Collaborative Machine Learning
von: Wang, Bingchen, et al.
Veröffentlicht: (2024)

EEG-Based Consumer Behaviour Prediction: An Exploration from Classical Machine Learning to Graph Neural Networks
von: Afshar, Mohammad Parsa, et al.
Veröffentlicht: (2025)

QuAIL: Quality-Aware Inertial Learning for Robust Training under Data Corruption
von: Sabella, Mattia, et al.
Veröffentlicht: (2026)

Zero-Shot Instruction Following in RL via Structured LTL Representations
von: Giuri, Mattia, et al.
Veröffentlicht: (2025)

Graph Machine Learning for Design of High-Octane Fuels
von: Rittig, Jan G., et al.
Veröffentlicht: (2022)

Enhancing Precision of Automated Teller Machines Network Quality Assessment: Machine Learning and Multi Classifier Fusion Approaches
von: Safarzadeh, Alireza, et al.
Veröffentlicht: (2025)

Last-Iterate Global Convergence of Policy Gradients for Constrained Reinforcement Learning
von: Montenegro, Alessandro, et al.
Veröffentlicht: (2024)

Optimal Data Splitting in Distributed Optimization for Machine Learning
von: Medyakov, Daniil, et al.
Veröffentlicht: (2024)

Scaling Laws of Machine Learning for Optimal Power Flow
von: Liu, Xinyi, et al.
Veröffentlicht: (2026)

Optimal and Diffusion Transports in Machine Learning
von: Peyré, Gabriel
Veröffentlicht: (2025)

Neural-based Control for CubeSat Docking Maneuvers
von: Stoisa, Matteo, et al.
Veröffentlicht: (2024)

Optimal Control of Multiclass Fluid Queueing Networks: A Machine Learning Approach
von: Bertsimas, Dimitris, et al.
Veröffentlicht: (2023)

Accelerating Transient CFD through Machine Learning-Based Flow Initialization
von: Sharpe, Peter, et al.
Veröffentlicht: (2025)