:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Guan, Jiajing, Elman, Howard
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Numerical Analysis Machine Learning
Online-Zugang:	https://arxiv.org/abs/2409.07671
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

E-PINNs: Epistemic Physics-Informed Neural Networks
von: Jacob, Bruno, 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)

SPIKANs: Separable Physics-Informed Kolmogorov-Arnold Networks
von: Jacob, Bruno, et al.
Veröffentlicht: (2024)

Data-Guided Physics-Informed Neural Networks for Solving Inverse Problems in Partial Differential Equations
von: Zhou, Wei, et al.
Veröffentlicht: (2024)

Causal Operator Discovery in Partial Differential Equations via Counterfactual Physics-Informed Neural Networks
von: Katende, Ronald
Veröffentlicht: (2025)

Preconditioning for Physics-Informed Neural Networks
von: Liu, Songming, et al.
Veröffentlicht: (2024)

Improving hp-Variational Physics-Informed Neural Networks for Steady-State Convection-Dominated Problems
von: Anandh, Thivin, et al.
Veröffentlicht: (2024)

Dual-Balancing for Physics-Informed Neural Networks
von: Zhou, Chenhong, et al.
Veröffentlicht: (2025)

Energy Dissipation Preserving Physics Informed Neural Network for Allen-Cahn Equations
von: Kütük, Mustafa, et al.
Veröffentlicht: (2024)

Quantum-Classical Physics-Informed Neural Networks for Solving Reservoir Seepage Equations
von: Rao, Xiang, et al.
Veröffentlicht: (2025)

An Overview on Machine Learning Methods for Partial Differential Equations: from Physics Informed Neural Networks to Deep Operator Learning
von: Gonon, Lukas, et al.
Veröffentlicht: (2024)

General-Kindred Physics-Informed Neural Network to the Solutions of Singularly Perturbed Differential Equations
von: Wang, Sen, et al.
Veröffentlicht: (2024)

Physics-embedded Fourier Neural Network for Partial Differential Equations
von: Xu, Qingsong, et al.
Veröffentlicht: (2024)

Bayesian Physics Informed Neural Networks for Linear Inverse problems
von: Mohammad-Djafari, Ali
Veröffentlicht: (2025)

Number Theoretic Accelerated Learning of Physics-Informed Neural Networks
von: Matsubara, Takashi, et al.
Veröffentlicht: (2023)

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

Physics-Informed Neural Networks with Trust-Region Sequential Quadratic Programming
von: Cheng, Xiaoran, et al.
Veröffentlicht: (2024)

THINNs: Thermodynamically Informed Neural Networks
von: Castro, Javier, et al.
Veröffentlicht: (2025)

Ensemble learning for Physics Informed Neural Networks: a Gradient Boosting approach
von: Fang, Zhiwei, et al.
Veröffentlicht: (2023)

eXtended Physics Informed Neural Network Method for Fracture Mechanics Problems
von: Lotfalian, Amin, et al.
Veröffentlicht: (2025)

A Conformal Prediction Framework for Uncertainty Quantification in Physics-Informed Neural Networks
von: Yu, Yifan, et al.
Veröffentlicht: (2025)

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

Weak Physics Informed Neural Networks for Geometry Compatible Hyperbolic Conservation Laws on Manifolds
von: Zhou, Hanfei, et al.
Veröffentlicht: (2025)

Convergence of Stochastic Gradient Methods for Wide Two-Layer Physics-Informed Neural Networks
von: Jin, Bangti, et al.
Veröffentlicht: (2025)

Solving Forward and Inverse Problems of Contact Mechanics using Physics-Informed Neural Networks
von: Sahin, T., et al.
Veröffentlicht: (2023)

Newton Informed Neural Operator for Computing Multiple Solutions of Nonlinear Partials Differential Equations
von: Hao, Wenrui, et al.
Veröffentlicht: (2024)

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

SVD-PINNs: Transfer Learning of Physics-Informed Neural Networks via Singular Value Decomposition
von: Gao, Yihang, et al.
Veröffentlicht: (2022)

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

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

Deep Neural Network Solutions for Oscillatory Fredholm Integral Equations
von: Jiang, Jie, et al.
Veröffentlicht: (2024)

Scalable Mechanistic Neural Networks for Differential Equations and Machine Learning
von: Chen, Jiale, et al.
Veröffentlicht: (2024)

Numerical simulation of transient heat conduction with moving heat source using Physics Informed Neural Networks
von: Kalyan, Anirudh, et al.
Veröffentlicht: (2025)

From Simple to Complex: Curriculum-Guided Physics-Informed Neural Networks via Gaussian Mixture Models
von: Yang, Jianan, et al.
Veröffentlicht: (2026)

Learning from Integral Losses in Physics Informed Neural Networks
von: Saleh, Ehsan, et al.
Veröffentlicht: (2023)

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

Non-Asymptotic Stability and Consistency Guarantees for Physics-Informed Neural Networks via Coercive Operator Analysis
von: Katende, Ronald
Veröffentlicht: (2025)

Dual Cone Gradient Descent for Training Physics-Informed Neural Networks
von: Hwang, Youngsik, et al.
Veröffentlicht: (2024)

Constrained or Unconstrained? Neural-Network-Based Equation Discovery from Data
von: Norman, Grant, et al.
Veröffentlicht: (2024)

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