Buchumschlag

Efficient Training of Deep Neural Operator Networks via Randomized Sampling

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Karumuri, Sharmila, Graham-Brady, Lori, Goswami, Somdatta
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Data Analysis, Statistics and Probability
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning to solve Bayesian inverse problems: An amortized variational inference approach using Gaussian and Flow guides
von: Karumuri, Sharmila, et al.
Veröffentlicht: (2023)

Physics-Informed Latent Neural Operator for Real-time Predictions of time-dependent parametric PDEs
von: Karumuri, Sharmila, et al.
Veröffentlicht: (2025)

Temporal Graph Neural Networks for Early Anomaly Detection and Performance Prediction via PV System Monitoring Data
von: Mukherjee, Srijani, et al.
Veröffentlicht: (2025)

Learnability Window in Gated Recurrent Neural Networks
von: Livi, Lorenzo
Veröffentlicht: (2025)

A Priori Uncertainty Quantification of Reacting Turbulence Closure Models using Bayesian Neural Networks
von: Pash, Graham, et al.
Veröffentlicht: (2024)

Active Learning with Fully Bayesian Neural Networks for Discontinuous and Nonstationary Data
von: Ziatdinov, Maxim
Veröffentlicht: (2024)

Dichotomy of Feature Learning and Unlearning: Fast-Slow Analysis on Neural Networks with Stochastic Gradient Descent
von: Imai, Shota, et al.
Veröffentlicht: (2026)

Thermodynamic bounds on energy use in quasi-static Deep Neural Networks
von: Tkachenko, Alexei V.
Veröffentlicht: (2025)

Bayesian Inference with Deep Weakly Nonlinear Networks
von: Hanin, Boris, et al.
Veröffentlicht: (2024)

Scientific Data Compression and Super-Resolution Sampling
von: Vu, Minh, et al.
Veröffentlicht: (2025)

DeepOHeat-v1: Efficient Operator Learning for Fast and Trustworthy Thermal Simulation and Optimization in 3D-IC Design
von: Yu, Xinling, et al.
Veröffentlicht: (2025)

Intrinsic Signal Models Defined by the High-Dimensional, Small-Sample Limit
von: Mototake, Yoh-ichi, et al.
Veröffentlicht: (2023)

GAMMA_FLOW: Guided Analysis of Multi-label spectra by MAtrix Factorization for Lightweight Operational Workflows
von: Rädle, Viola, et al.
Veröffentlicht: (2025)

Reservoir Static Property Estimation Using Nearest-Neighbor Neural Network
von: Wang, Yuhe
Veröffentlicht: (2024)

Mixed Noise and Posterior Estimation with Conditional DeepGEM
von: Hagemann, Paul, et al.
Veröffentlicht: (2024)

Position: Solve Layerwise Linear Models First to Understand Neural Dynamical Phenomena (Neural Collapse, Emergence, Lazy/Rich Regime, and Grokking)
von: Nam, Yoonsoo, et al.
Veröffentlicht: (2025)

Neural Thermodynamic Laws for Large Language Model Training
von: Liu, Ziming, et al.
Veröffentlicht: (2025)

Accelerating Hamiltonian Monte Carlo for Bayesian Inference in Neural Networks and Neural Operators
von: Thiagarajan, Ponkrshnan, et al.
Veröffentlicht: (2025)

Boosting SISSO Performance on Small Sample Datasets by Using Random Forests Prescreening for Complex Feature Selection
von: Jiang, Xiaolin, et al.
Veröffentlicht: (2024)

Detail Across Scales: Multi-Scale Enhancement for Full Spectrum Neural Representations
von: Ni, Yuan, et al.
Veröffentlicht: (2025)

From Data to Laws: Neural Discovery of Conservation Laws Without False Positives
von: Ray, Rahul D
Veröffentlicht: (2026)

Out-of-Sample Hydrocarbon Production Forecasting: Time Series Machine Learning using Productivity Index-Driven Features and Inductive Conformal Prediction
von: Idris, Mohamed Hassan Abdalla, et al.
Veröffentlicht: (2025)

OASIS: A Deep Learning Framework for Universal Spectroscopic Analysis Driven by Novel Loss Functions
von: Young, Chris, et al.
Veröffentlicht: (2025)

Neural posterior estimation for scalable and accurate inverse parameter inference in Li-ion batteries
von: Hassanaly, Malik, et al.
Veröffentlicht: (2026)

Simultaneous Dimensionality Reduction: A Data Efficient Approach for Multimodal Representations Learning
von: Abdelaleem, Eslam, et al.
Veröffentlicht: (2023)

DPGIIL: Dirichlet Process-Deep Generative Model-Integrated Incremental Learning for Clustering in Transmissibility-based Online Structural Anomaly Detection
von: Mei, Lin-Feng, et al.
Veröffentlicht: (2024)

Neural Network Methods for Radiation Detectors and Imaging
von: Lin, S., et al.
Veröffentlicht: (2023)

Response Theory via Generative Score Modeling
von: Giorgini, Ludovico Theo, et al.
Veröffentlicht: (2024)

Efficient Exploration of Chemical Kinetics
von: Goswami, Rohit
Veröffentlicht: (2025)

Assessing high-order effects in feature importance via predictability decomposition
von: Ontivero-Ortega, Marlis, et al.
Veröffentlicht: (2024)

Exploring how deep learning decodes anomalous diffusion via Grad-CAM
von: Bae, Jaeyong, et al.
Veröffentlicht: (2024)

Uncertainty estimation via ensembles of deep learning models and dropout layers for seismic traces
von: Messuti, Giovanni, et al.
Veröffentlicht: (2024)

Probabilistic Emissivity Retrieval from Hyperspectral Data via Physics-Guided Variational Inference
von: Tempelman, Joshua R., et al.
Veröffentlicht: (2025)

Learning Complex Physical Regimes via Coverage-oriented Uncertainty Quantification: An application to the Critical Heat Flux
von: Cazzola, Michele, et al.
Veröffentlicht: (2026)

Tunable correlation retention: A statistical method for generating synthetic data
von: Jävergård, Nicklas, et al.
Veröffentlicht: (2024)

Stochastic Inference of Plate Bending from Heterogeneous Data: Physics-informed Gaussian Processes via Kirchhoff-Love Theory
von: Kavrakov, Igor, et al.
Veröffentlicht: (2024)

Statistical limits of correlation detection in trees
von: Ganassali, Luca, et al.
Veröffentlicht: (2022)

Toward Dynamic Stability Assessment of Power Grid Topologies using Graph Neural Networks
von: Nauck, Christian, et al.
Veröffentlicht: (2022)

Phase Transitions between Accuracy Regimes in L2 regularized Deep Neural Networks
von: Ersoy, Ibrahim Talha, et al.
Veröffentlicht: (2025)

A Systematic Literature Review of Spatio-Temporal Graph Neural Network Models for Time Series Forecasting and Classification
von: Corradini, Flavio, et al.
Veröffentlicht: (2024)