Buchumschlag

Toward Efficient Kernel-Based Solvers for Nonlinear PDEs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xu, Zhitong, Long, Da, Xu, Yiming, Yang, Guang, Zhe, Shandian, Owhadi, Houman
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

Tensor Gaussian Processes: Efficient Solvers for Nonlinear PDEs
von: Yuan, Qiwei, et al.
Veröffentlicht: (2025)

Arbitrarily-Conditioned Multi-Functional Diffusion for Multi-Physics Emulation
von: Long, Da, et al.
Veröffentlicht: (2024)

Invertible Fourier Neural Operators for Tackling Both Forward and Inverse Problems
von: Long, Da, et al.
Veröffentlicht: (2024)

Solving Roughly Forced Nonlinear PDEs via Misspecified Kernel Methods and Neural Networks
von: Baptista, Ricardo, et al.
Veröffentlicht: (2025)

KROM: Kernelized Reduced Order Modeling
von: Bacho, Aras, et al.
Veröffentlicht: (2026)

Sparse Cholesky Factorization for Solving Nonlinear PDEs via Gaussian Processes
von: Chen, Yifan, et al.
Veröffentlicht: (2023)

Adaptive Kernel Selection for Kernelized Diffusion Maps
von: Aboussaad, Othmane, et al.
Veröffentlicht: (2026)

Bridging Algorithmic Information Theory and Machine Learning: A New Approach to Kernel Learning
von: Hamzi, Boumediene, et al.
Veröffentlicht: (2023)

Standard Gaussian Process is All You Need for High-Dimensional Bayesian Optimization
von: Xu, Zhitong, et al.
Veröffentlicht: (2024)

Kernel Methods for Some Transport Equations with Application to Learning Kernels for the Approximation of Koopman Eigenfunctions: A Unified Approach via Variational Methods, Green's Functions and the Method of Characteristics
von: Hamzi, Boumediene, et al.
Veröffentlicht: (2026)

Deep Gaussian Processes for Functional Maps
von: Lowery, Matthew, et al.
Veröffentlicht: (2025)

Pseudo-Physics-Informed Neural Operators: Enhancing Operator Learning from Limited Data
von: Chen, Keyan, et al.
Veröffentlicht: (2025)

Equation Discovery with Bayesian Spike-and-Slab Priors and Efficient Kernels
von: Long, Da, et al.
Veröffentlicht: (2023)

Arbitrarily Conditioned Hierarchical Flows for Spatiotemporal Events
von: Chen, Keyan, et al.
Veröffentlicht: (2026)

Kernel Methods for Stochastic Dynamical Systems with Application to Koopman Eigenfunctions: Feynman-Kac Representations and RKHS Approximation
von: Hamzi, Boumediene, et al.
Veröffentlicht: (2026)

A Mini-Batch Method for Solving Nonlinear PDEs with Gaussian Processes
von: Yang, Xianjin, et al.
Veröffentlicht: (2023)

Kernel Sum of Squares for Data Adapted Kernel Learning of Dynamical Systems from Data: A global optimization approach
von: Lengyel, Daniel, et al.
Veröffentlicht: (2024)

Solving High Frequency and Multi-Scale PDEs with Gaussian Processes
von: Fang, Shikai, et al.
Veröffentlicht: (2023)

Solving Functional PDEs with Gaussian Processes and Applications to Functional Renormalization Group Equations
von: Yang, Xianjin, et al.
Veröffentlicht: (2025)

Bilevel optimization for learning hyperparameters: Application to solving PDEs and inverse problems with Gaussian processes
von: Nelsen, Nicholas H., et al.
Veröffentlicht: (2025)

A Dynamics-Informed Gaussian Process Framework for 2D Stochastic Navier-Stokes via Quasi-Gaussianity
von: Hamzi, Boumediene, et al.
Veröffentlicht: (2025)

Data-Efficient Kernel Methods for Learning Differential Equations and Their Solution Operators: Algorithms and Error Analysis
von: Jalalian, Yasamin, et al.
Veröffentlicht: (2025)

Kolmogorov n-Widths for Multitask Physics-Informed Machine Learning (PIML) Methods: Towards Robust Metrics
von: Penwarden, Michael, et al.
Veröffentlicht: (2024)

Kronecker-Structured Nonparametric Spatiotemporal Point Processes
von: Xu, Zhitong, et al.
Veröffentlicht: (2026)

Dictionary learning for Kernel EDMD
von: Bolager, Erik Lien, et al.
Veröffentlicht: (2026)

Data-efficient Kernel Methods for Learning Hamiltonian Systems
von: Jalalian, Yasamin, et al.
Veröffentlicht: (2025)

Graph-Based Operator Learning from Limited Data on Irregular Domains
von: Li, Yile, et al.
Veröffentlicht: (2025)

Gaussian Measures Conditioned on Nonlinear Observations: Consistency, MAP Estimators, and Simulation
von: Chen, Yifan, et al.
Veröffentlicht: (2024)

StFT: Spatio-temporal Fourier Transformer for Long-term Dynamics Prediction
von: Long, Da, et al.
Veröffentlicht: (2025)

Kernel Methods for the Approximation of the Eigenfunctions of the Koopman Operator
von: Lee, Jonghyeon, et al.
Veröffentlicht: (2024)

Diffeomorphic Measure Matching with Kernels for Generative Modeling
von: Pandey, Biraj, et al.
Veröffentlicht: (2024)

Pruning Deep Neural Networks via a Combination of the Marchenko-Pastur Distribution and Regularization
von: Berlyand, Leonid, et al.
Veröffentlicht: (2025)

Multi-Operator Few-Shot Learning for Generalization Across PDE Families
von: Li, Yile, et al.
Veröffentlicht: (2025)

Fluids You Can Trust: Property-Preserving Operator Learning for Incompressible Flows
von: Sharma, Ramansh, et al.
Veröffentlicht: (2026)

Supervised and Unsupervised Neural Network Solver for First Order Hyperbolic Nonlinear PDEs
von: Baba, Zakaria, et al.
Veröffentlicht: (2026)

Dual-Agent Co-Training for Health Coaching via Implicit Adversarial Preference Optimization
von: Long, Da, et al.
Veröffentlicht: (2026)

Operator Learning with Gaussian Processes
von: Mora, Carlos, et al.
Veröffentlicht: (2024)

Learning dynamical systems from data: A simple cross-validation perspective, part III: Irregularly-Sampled Time Series
von: Lee, Jonghyeon, et al.
Veröffentlicht: (2021)

Diffusion-Based Symbolic Regression
von: Bastiani, Zachary, et al.
Veröffentlicht: (2025)

Minimal Variance Model Aggregation: A principled, non-intrusive, and versatile integration of black box models
von: Bourdais, Théo, et al.
Veröffentlicht: (2024)