:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Haywood-Alexander, Marcus, Arcieri, Giacomo, Kamariotis, Antonios, Chatzi, Eleni
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computational Physics Machine Learning
Online-Zugang:	https://arxiv.org/abs/2410.01340
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

PiGGO: Physics-Guided Learnable Graph Kalman Filters for Virtual Sensing of Nonlinear Dynamic Structures under Uncertainty
von: Haywood-Alexander, Marcus, et al.
Veröffentlicht: (2026)

Deep Belief Markov Models for POMDP Inference
von: Arcieri, Giacomo, et al.
Veröffentlicht: (2025)

Beyond Static Models: Hypernetworks for Adaptive and Generalizable Forecasting in Complex Parametric Dynamical Systems
von: Vlachas, Pantelis R., et al.
Veröffentlicht: (2025)

Discussing the Spectrum of Physics-Enhanced Machine Learning; a Survey on Structural Mechanics Applications
von: Haywood-Alexander, Marcus, et al.
Veröffentlicht: (2023)

Multimodal Learning for Arcing Detection in Pantograph-Catenary Systems
von: Dong, Hao, et al.
Veröffentlicht: (2026)

A Mechanistic Analysis of Transformers for Dynamical Systems
von: Duthé, Gregory, et al.
Veröffentlicht: (2025)

Causal Convolutional Neural Networks as Finite Impulse Response Filters
von: Bacsa, Kiran, et al.
Veröffentlicht: (2025)

Geometric Autoencoder Priors for Bayesian Inversion: Learn First Observe Later
von: Vadeboncoeur, Arnaud, et al.
Veröffentlicht: (2025)

On the Rate of Convergence of Kolmogorov-Arnold Network Regression Estimators
von: Liu, Wei, et al.
Veröffentlicht: (2025)

Towards Robust Multimodal Open-set Test-time Adaptation via Adaptive Entropy-aware Optimization
von: Dong, Hao, et al.
Veröffentlicht: (2025)

Physics-Informed Neural Network based Damage Identification for Truss Railroad Bridges
von: Shajihan, Althaf, et al.
Veröffentlicht: (2025)

Structured Kolmogorov-Arnold Neural ODEs for Interpretable Learning and Symbolic Discovery of Nonlinear Dynamics
von: Liu, Wei, et al.
Veröffentlicht: (2025)

Spatial and Temporal Characterization of Living Mycelium through Dispersion Analysis
von: Zhao, Bao, et al.
Veröffentlicht: (2025)

Residual Attention Physics-Informed Neural Networks for Robust Multiphysics Simulation of Steady-State Electrothermal Energy Systems
von: Zhou, Yuqing, et al.
Veröffentlicht: (2026)

Neuro-Symbolic ODE Discovery with Latent Grammar Flow
von: Yu, Karin, et al.
Veröffentlicht: (2026)

Dynami-CAL GraphNet: A Physics-Informed Graph Neural Network Conserving Linear and Angular Momentum for Dynamical Systems
von: Sharma, Vinay, et al.
Veröffentlicht: (2025)

Towards Multimodal Open-Set Domain Generalization and Adaptation through Self-supervision
von: Dong, Hao, et al.
Veröffentlicht: (2024)

Graph Transformers for inverse physics: reconstructing flows around arbitrary 2D airfoils
von: Duthé, Gregory, et al.
Veröffentlicht: (2025)

Grammar-based Ordinary Differential Equation Discovery
von: Yu, Karin L., et al.
Veröffentlicht: (2025)

Modal Decomposition and Identification for a Population of Structures Using Physics-Informed Graph Neural Networks and Transformers
von: Jian, Xudong, et al.
Veröffentlicht: (2025)

Inverse Modeling of Dielectric Response in Time Domain using Physics-Informed Neural Networks
von: Esenov, Emir, et al.
Veröffentlicht: (2025)

Statistical Learning Analysis of Physics-Informed Neural Networks
von: Barajas-Solano, David A.
Veröffentlicht: (2026)

Evidential Physics-Informed Neural Networks for Scientific Discovery
von: Tan, Hai Siong, et al.
Veröffentlicht: (2025)

Evidential Physics-Informed Neural Networks
von: Tan, Hai Siong, et al.
Veröffentlicht: (2025)

Quantum Noise Tomography with Physics-Informed Neural Networks
von: Sulc, Antonin
Veröffentlicht: (2025)

On the Role of Consistency Between Physics and Data in Physics-Informed Neural Networks
von: Becerra-Zuniga, Nicolás, et al.
Veröffentlicht: (2026)

Kronecker-Factored Approximate Curvature for Physics-Informed Neural Networks
von: Dangel, Felix, et al.
Veröffentlicht: (2024)

Physics-Informed Neural Networks for Solving Derivative-Constrained PDEs
von: Hoshisashi, Kentaro, et al.
Veröffentlicht: (2026)

PINGS: Physics-Informed Neural Network for Fast Generative Sampling
von: Prasha, Achmad Ardani, et al.
Veröffentlicht: (2025)

DiffGrad for Physics-Informed Neural Networks
von: Rahman, Jamshaid Ul, et al.
Veröffentlicht: (2024)

Bayesian Reasoning for Physics Informed Neural Networks
von: Graczyk, Krzysztof M., et al.
Veröffentlicht: (2023)

Disentangling Damage from Operational Variability: A Label-Free Self-Supervised Representation Learning Framework for Output-Only Structural Damage Identification
von: Jian, Xudong, et al.
Veröffentlicht: (2026)

EquiNO: A Physics-Informed Neural Operator for Multiscale Simulations
von: Eivazi, Hamidreza, et al.
Veröffentlicht: (2025)

Exact Enforcement of Temporal Continuity in Sequential Physics-Informed Neural Networks
von: Roy, Pratanu, et al.
Veröffentlicht: (2024)

Physics-Informed Neural Networks with Fourier Features and Attention-Driven Decoding
von: Arni, Rohan, et al.
Veröffentlicht: (2025)

Symplectic Neural Networks Based on Dynamical Systems
von: Tapley, Benjamin K
Veröffentlicht: (2024)

Statistical Mechanics of Dynamical System Identification
von: Klishin, Andrei A., et al.
Veröffentlicht: (2024)

MultiOOD: Scaling Out-of-Distribution Detection for Multiple Modalities
von: Dong, Hao, et al.
Veröffentlicht: (2024)

Mitigating Spectral Bias in Neural Operators via High-Frequency Scaling for Physical Systems
von: Khodakarami, Siavash, et al.
Veröffentlicht: (2025)

Equi-Euler GraphNet: An Equivariant, Temporal-Dynamics Informed Graph Neural Network for Dual Force and Trajectory Prediction in Multi-Body Systems
von: Sharma, Vinay, et al.
Veröffentlicht: (2025)