Buchumschlag

Physics-Informed Echo State Networks for Modeling Controllable Dynamical Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mochiutti, Eric, Antonelo, Eric Aislan, Camponogara, Eduardo
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Neural and Evolutionary Computing Dynamical Systems
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Designing Robust Software Sensors for Nonlinear Systems via Neural Networks and Adaptive Sliding Mode Control
von: Farkane, Ayoub, et al.
Veröffentlicht: (2025)

Parametric Taylor series based latent dynamics identification neural networks
von: Lin, Xinlei, et al.
Veröffentlicht: (2024)

An evolutionary approach for discovering non-Gaussian stochastic dynamical systems based on nonlocal Kramers-Moyal formulas
von: Li, Yang, et al.
Veröffentlicht: (2024)

Exploring the origins of switching dynamics in a multifunctional reservoir computer
von: Flynn, Andrew, et al.
Veröffentlicht: (2024)

The Influence of the Memory Capacity of Neural DDEs on the Universal Approximation Property
von: Kuehn, Christian, et al.
Veröffentlicht: (2025)

From Mean-Field Limits to Semiclassical Concentration: Global Convergence of the Canonical Evolutionary Strategy
von: Neto, Matías, et al.
Veröffentlicht: (2026)

Designing Chaotic Attractors: A Semi-supervised Approach
von: Kabayama, Tempei, et al.
Veröffentlicht: (2024)

Attractor-merging Crises and Intermittency in Reservoir Computing
von: Kabayama, Tempei, et al.
Veröffentlicht: (2025)

How noise affects memory in linear recurrent networks
von: Guan, JingChuan, et al.
Veröffentlicht: (2024)

Controlling Chaotic Maps using Next-Generation Reservoir Computing
von: Kent, Robert M., et al.
Veröffentlicht: (2023)

Scalable and Robust Physics-Informed Graph Neural Networks for Water Distribution Systems
von: Ashraf, Inaam, et al.
Veröffentlicht: (2025)

Improving the Performance of Echo State Networks Through State Feedback
von: Ehlers, Peter J., et al.
Veröffentlicht: (2023)

Brain-Inspired Spike Echo State Network Dynamics for Aero-Engine Intelligent Fault Prediction
von: Liu, Mo-Ran, et al.
Veröffentlicht: (2024)

Context-Based Echo State Networks with Prediction Confidence for Human-Robot Shared Control
von: Amirshirzad, Negin, et al.
Veröffentlicht: (2024)

Can multivariate Granger causality detect directed connectivity of a multistable and dynamic biological decision network model?
von: Asadpour, Abdoreza, et al.
Veröffentlicht: (2024)

Unified Long-Term Time-Series Forecasting Benchmark
von: Cyranka, Jacek, et al.
Veröffentlicht: (2023)

Engineering Hybrid Physics-Informed Neural Networks for Next-Generation Electricity Systems: A State-of-the-Art Review
von: Nyangon, Joseph
Veröffentlicht: (2026)

Symmetry-Protected Lyapunov Neutral Modes in Equivariant Recurrent Networks
von: Mo, Hanson Hanxuan
Veröffentlicht: (2026)

Control-Theoretic Techniques for Online Adaptation of Deep Neural Networks in Dynamical Systems
von: Elkins, Jacob G., et al.
Veröffentlicht: (2024)

Analysis of the Geometric Structure of Neural Networks and Neural ODEs via Morse Functions
von: Kuehn, Christian, et al.
Veröffentlicht: (2024)

Denoising and Reconstruction of Nonlinear Dynamics using Truncated Reservoir Computing
von: Sedehi, Omid, et al.
Veröffentlicht: (2025)

Equilibrium Propagation for Non-Conservative Systems
von: Scurria, Antonino Emanuele, et al.
Veröffentlicht: (2026)

How more data can hurt: Instability and regularization in next-generation reservoir computing
von: Zhang, Yuanzhao, et al.
Veröffentlicht: (2024)

Machine Learning of Nonlinear Dynamical Systems with Control Parameters Using Feedforward Neural Networks
von: Sakaguchi, Hidetsugu
Veröffentlicht: (2024)

A Dynamical Theory of Sequential Retrieval in Input-Driven Hopfield Networks
von: Betteti, Simone, et al.
Veröffentlicht: (2026)

EchoSpike Predictive Plasticity: An Online Local Learning Rule for Spiking Neural Networks
von: Graf, Lars, et al.
Veröffentlicht: (2024)

Linear Simple Cycle Reservoirs at the edge of stability perform Fourier decomposition of the input driving signals
von: Fong, Robert Simon, et al.
Veröffentlicht: (2024)

SCAR: State-Space Compression for Scalable AI-Based Network Management of Vehicular Services
von: Comsa, Ioan-Sorin, et al.
Veröffentlicht: (2025)

Application of Zone Method based Physics-Informed Neural Networks in Reheating Furnaces
von: Dutta, Ujjal Kr, et al.
Veröffentlicht: (2023)

Physics-Informed Neural Networks for Control of Single-Phase Flow Systems Governed by Partial Differential Equations
von: Miyatake, Luis Kin, et al.
Veröffentlicht: (2025)

Empirical Investigation into Configuring Echo State Networks for Representative Benchmark Problem Domains
von: Weborg, Brooke R., et al.
Veröffentlicht: (2025)

Discovering Physics-Informed Neural Networks Model for Solving Partial Differential Equations through Evolutionary Computation
von: Zhang, Bo, et al.
Veröffentlicht: (2024)

The boundary of neural network trainability is fractal
von: Sohl-Dickstein, Jascha
Veröffentlicht: (2024)

FlowBench: A Large Scale Benchmark for Flow Simulation over Complex Geometries
von: Tali, Ronak, et al.
Veröffentlicht: (2024)

Panda: A pretrained forecast model for chaotic dynamics
von: Lai, Jeffrey, et al.
Veröffentlicht: (2025)

Robust Parameter and State Estimation in Multiscale Neuronal Systems Using Physics-Informed Neural Networks
von: Wei, Changliang, et al.
Veröffentlicht: (2026)

Symbolic Regression of Dynamic Network Models
von: Gandhi, Govind
Veröffentlicht: (2023)

Echo State Networks for Bitcoin Time Series Prediction
von: Sharma, Mansi, et al.
Veröffentlicht: (2025)

Reconstruction of dynamic systems using genetic algorithms with dynamic search limits
von: Rodríguez-Abreo, Omar, et al.
Veröffentlicht: (2024)

Improving Low-Fidelity Models of Li-ion Batteries via Hybrid Sparse Identification of Nonlinear Dynamics
von: da Silva, Samuel Filgueira, et al.
Veröffentlicht: (2024)