Buchumschlag

PACMANN: Point Adaptive Collocation Method for Artificial Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Visser, Coen, Heinlein, Alexander, Giovanardi, Bianca
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Numerical Analysis Machine Learning Computational Physics 65M22, 68T07, 65M50
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Multifidelity domain decomposition-based physics-informed neural networks and operators for time-dependent problems
von: Heinlein, Alexander, et al.
Veröffentlicht: (2024)

Equidistribution-based training of Free Knot Splines and ReLU Neural Networks
von: Appella, Simone, et al.
Veröffentlicht: (2024)

Neural Entropy-stable conservative flux form neural networks for learning hyperbolic conservation laws
von: Liu, Lizuo, et al.
Veröffentlicht: (2025)

Deep operator network models for predicting post-burn contraction
von: Husanovic, Selma, et al.
Veröffentlicht: (2024)

The Error of Deep Operator Networks Is the Sum of Its Parts: Branch-Trunk and Mode Error Decompositions
von: Heinlein, Alexander, et al.
Veröffentlicht: (2026)

Entropy stable conservative flux form neural networks
von: Liu, Lizuo, et al.
Veröffentlicht: (2024)

Parametric Hyperbolic Conservation Laws: A Unified Framework for Conservation, Entropy Stability, and Hyperbolicity
von: Liu, Lizuo, et al.
Veröffentlicht: (2026)

Spectral-Refiner: Accurate Fine-Tuning of Spatiotemporal Fourier Neural Operator for Turbulent Flows
von: Cao, Shuhao, et al.
Veröffentlicht: (2024)

Towards Model Discovery Using Domain Decomposition and PINNs
von: Saha, Tirtho S., et al.
Veröffentlicht: (2024)

Diffusion-based Models for Unpaired Super-resolution in Fluid Dynamics
von: Xu, Wuzhe, et al.
Veröffentlicht: (2025)

Learning Low Rank Neural Representations of Hyperbolic Wave Dynamics from Data
von: Cho, Woojin, et al.
Veröffentlicht: (2025)

Coupling-Robust Accuracy in Multiphysics Physics Informed Neural Networks via Kronecker-Preconditioned Optimization
von: Park, Youngjae, et al.
Veröffentlicht: (2026)

FastLRNR and Sparse Physics Informed Backpropagation
von: Cho, Woojin, et al.
Veröffentlicht: (2024)

A Structure-Preserving Framework for Solving Parabolic Partial Differential Equations with Neural Networks
von: Chen, Gaohang, et al.
Veröffentlicht: (2025)

RandNet-Parareal: a time-parallel PDE solver using Random Neural Networks
von: Gattiglio, Guglielmo, et al.
Veröffentlicht: (2024)

EGPT-PINN: Entropy-enhanced Generative Pre-Trained Physics Informed Neural Networks for parameterized nonlinear conservation laws
von: Ji, Yajie, et al.
Veröffentlicht: (2025)

Neural-HSS: Hierarchical Semi-Separable Neural PDE Solver
von: Sittoni, Pietro, et al.
Veröffentlicht: (2026)

Data-Driven Discovery of Sign-Indefinite Artificial Viscosity for Linear Convection -- A Space-Time Reconvolution Perspective
von: Neelan, Arun Govind
Veröffentlicht: (2026)

Parameterization-driven arbitrary Lagrangian-Eulerian method for large-deformation isogeometric fluid-structure interaction
von: Li, Jingya, et al.
Veröffentlicht: (2026)

Physics-Informed Neural Networks: A Didactic Derivation of the Complete Training Cycle
von: Tahimi, Abdeladhim
Veröffentlicht: (2026)

GoRINNs: Godunov-Riemann Informed Neural Networks for Learning Hyperbolic Conservation Laws
von: Patsatzis, Dimitrios G., et al.
Veröffentlicht: (2024)

Learning WENO for entropy stable schemes to solve conservation laws
von: Charles, Philip, et al.
Veröffentlicht: (2024)

Adaptive Multilevel Neural Networks for Parametric PDEs with Error Estimation
von: Schütte, Janina E., et al.
Veröffentlicht: (2024)

Conservative approximation-based feedforward neural network for WENO schemes
von: Park, Kwanghyuk, et al.
Veröffentlicht: (2025)

MAGNET: an open-source library for mesh agglomeration by Graph Neural Networks
von: Antonietti, Paola F., et al.
Veröffentlicht: (2025)

Alikhanov-XfPINNs: Adaptive Physics-Informed Learning for Nonlinear Fractional PDEs on Nonuniform Meshes
von: Dwivedi, Himanshu Kumar, et al.
Veröffentlicht: (2026)

Prediction of discretization of online GMsFEM using deep learning for Richards equation
von: Spiridonov, Denis, et al.
Veröffentlicht: (2024)

Recurrent Neural Operators: Stable Long-Term PDE Prediction
von: Ye, Zaijun, et al.
Veröffentlicht: (2025)

A supervised learning scheme for computing Hamilton-Jacobi equation via density coupling
von: Cui, Jianbo, et al.
Veröffentlicht: (2024)

pETNNs: Partial Evolutionary Tensor Neural Networks for Solving Time-dependent Partial Differential Equations
von: Kao, Tunan, et al.
Veröffentlicht: (2024)

Neural enrichment finite element method: A hybrid framework for problems with strong oscillations or interface problems
von: Guo, Shihan, et al.
Veröffentlicht: (2026)

Space-time parallel scaling of Parareal with a physics-informed Fourier Neural Operator coarse propagator applied to the Black-Scholes equation
von: Ibrahim, Abdul Qadir, et al.
Veröffentlicht: (2024)

A Neural-Operator Preconditioned Newton Method for Accelerated Nonlinear Solvers
von: Lee, Youngkyu, et al.
Veröffentlicht: (2025)

A neural network method for scalar conservation laws with convergence rates for shock-wave solutions
von: Cao, Jiachuan, et al.
Veröffentlicht: (2026)

The Neural Approximated Virtual Element Method for Elasticity Problems
von: Berrone, Stefano, et al.
Veröffentlicht: (2025)

A Theory-guided Weighted $L^2$ Loss for solving the BGK model via Physics-informed neural networks
von: Ko, Gyounghun, et al.
Veröffentlicht: (2026)

PODNO: Proper Orthogonal Decomposition Neural Operators
von: Cheng, Zilan, et al.
Veröffentlicht: (2025)

Tensor Neural Network Based Machine Learning Method for Elliptic Multiscale Problems
von: Lin, Zhongshuo, et al.
Veröffentlicht: (2024)

Adaptive recurrent flow map operator learning for reaction diffusion dynamics
von: Tunc, Huseyin
Veröffentlicht: (2026)

Convergence of the generalization error for deep gradient flow methods for PDEs
von: Liu, Chenguang, et al.
Veröffentlicht: (2025)