Buchumschlag

DCIts -- Deep Convolutional Interpreter for time series

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Horvatic, Davor, Baric, Domjan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Applied Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Deep learning for the design of non-Hermitian topolectrical circuits
von: Chen, Xi, et al.
Veröffentlicht: (2024)

MixFunn: A Neural Network for Differential Equations with Improved Generalization and Interpretability
von: Farias, Tiago de Souza, et al.
Veröffentlicht: (2025)

A Physics-informed Deep Operator for Real-Time Freeway Traffic State Estimation
von: Yu, Hongxin, et al.
Veröffentlicht: (2025)

Constructing artificial life and materials scientists with accelerated AI using Deep AndersoNN
von: Dajani, Saleem Abdul Fattah Ahmed Al, et al.
Veröffentlicht: (2024)

Real-time, Adaptive Radiological Anomaly Detection and Isotope Identification Using Non-negative Matrix Factorization
von: Jones, Chandler, et al.
Veröffentlicht: (2025)

Acoustic Structure Inverse Design and Optimization Using Deep Learning
von: Sun, Xuecong, et al.
Veröffentlicht: (2021)

Physically Guided Deep Unsupervised Inversion for 1D Magnetotelluric Models
von: Goyes-Peñafiel, Paul, et al.
Veröffentlicht: (2024)

Deep learning recognition and analysis of Volatile Organic Compounds based on experimental and synthetic infrared absorption spectra
von: Della Valle, Andrea, et al.
Veröffentlicht: (2025)

Deep Learning to Automate Parameter Extraction and Model Fitting of Two-Dimensional Transistors
von: Bennett, Robert K. A., et al.
Veröffentlicht: (2025)

CHLU: The Causal Hamiltonian Learning Unit as a Symplectic Primitive for Deep Learning
von: Jawahar, Pratik, et al.
Veröffentlicht: (2026)

Leveraging KANs For Enhanced Deep Koopman Operator Discovery
von: Nehma, George, et al.
Veröffentlicht: (2024)

Deep learning-enhanced dual-mode multiplexed optical sensor for point-of-care diagnostics of cardiovascular diseases
von: Han, Gyeo-Re, et al.
Veröffentlicht: (2025)

Design of Resistive Frequency Selective Surface based Radar Absorbing Structure-A Deep Learning Approach
von: Sutrakar, Vijay Kumar, et al.
Veröffentlicht: (2025)

PICTS: A Novel Deep Reinforcement Learning Approach for Dynamic P-I Control in Scanning Probe Microscopy
von: Wei, Ziwei, et al.
Veröffentlicht: (2025)

Multi-Task Deep Learning for Surface Metrology
von: Kucharski, D., et al.
Veröffentlicht: (2025)

Real-time Multi-instrument Autonomous Discovery of Novel Phase-change Memory Materials
von: Lee, Chih-Yu, et al.
Veröffentlicht: (2026)

Empirical modeling and hybrid machine learning framework for nucleate pool boiling on microchannel structured surfaces
von: Kuberan, Vijay, et al.
Veröffentlicht: (2025)

Uncertainty Reasoning with Photonic Bayesian Machines
von: Brückerhoff-Plückelmann, F., et al.
Veröffentlicht: (2025)

ASPEN: An Adaptive Spectral Physics-Enabled Network for Ginzburg-Landau Dynamics
von: Chrisnanto, Julian Evan, et al.
Veröffentlicht: (2025)

Adaptive Fusion Graph Network for 3D Strain Field Prediction in Solid Rocket Motor Grains
von: Huang, Jiada, et al.
Veröffentlicht: (2025)

Full-Precision and Ternarised Neural Networks with Tunnel-Diode Activation Functions: Computing and Physics Perspectives
von: McNaughton, Jake, et al.
Veröffentlicht: (2025)

Early wind turbine alarm prediction based on machine learning: AlarmForecasting
von: Shah, Syed Shazaib, et al.
Veröffentlicht: (2025)

Spintronic Bayesian Hardware Driven by Stochastic Magnetic Domain Wall Dynamics
von: Wang, Tianyi, et al.
Veröffentlicht: (2025)

Defining Energy Indicators for Impact Identification on Aerospace Composites: A Physics-Informed Machine Learning Perspective
von: Marinho, Natália Ribeiro, et al.
Veröffentlicht: (2025)

A fast sound power prediction tool for genset noise using machine learning
von: Pargal, Saurabh, et al.
Veröffentlicht: (2025)

A Certifiable Machine Learning-Based Pipeline to Predict Fatigue Life of Aircraft Structures
von: Ladrón, Ángel, et al.
Veröffentlicht: (2025)

A Novel Proposal in Wind Turbine Blade Failure Detection: An Integrated Approach to Energy Efficiency and Sustainability
von: Abarca-Albores, Jordan, et al.
Veröffentlicht: (2025)

Resonant-Tunnelling Diode Reservoir Computing System for Image Recognition
von: Abbas, A. H., et al.
Veröffentlicht: (2025)

Bubble2Heat: Optical to Thermal Inference in Pool Boiling Using Physics-encoded Generative AI
von: Fu, Qianxi, et al.
Veröffentlicht: (2025)

MeshODENet: A Graph-Informed Neural Ordinary Differential Equation Neural Network for Simulating Mesh-Based Physical Systems
von: Liu, Kangzheng, et al.
Veröffentlicht: (2025)

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

Weighted Bayesian Conformal Prediction
von: Lou, Xiayin, et al.
Veröffentlicht: (2026)

Machine Learning-Guided Design of Non-Reciprocal and Asymmetric Elastic Chiral Metamaterials
von: Yuan, Lingxiao, et al.
Veröffentlicht: (2024)

Training all-mechanical neural networks for task learning through in situ backpropagation
von: Li, Shuaifeng, et al.
Veröffentlicht: (2024)

Physics-Informed Machine Learning for Seismic Response Prediction OF Nonlinear Steel Moment Resisting Frame Structures
von: Bond, R. Bailey, et al.
Veröffentlicht: (2024)

Spectral Model eXplainer: a chemically-grounded explainability framework for spectral-based machine learning models
von: Ribeiro, Jose Vinicius, et al.
Veröffentlicht: (2026)

Characterization of Locality in Spin States and Forced Moves for Optimizations
von: Sato, Yoshiki, et al.
Veröffentlicht: (2023)

A Neural Network Transformer Model for Composite Microstructure Homogenization
von: Pitz, Emil, et al.
Veröffentlicht: (2023)

PINN surrogate of Li-ion battery models for parameter inference. Part II: Regularization and application of the pseudo-2D model
von: Hassanaly, Malik, et al.
Veröffentlicht: (2023)

Phononic materials with effectively scale-separated hierarchical features using interpretable machine learning
von: Bastawrous, Mary V., et al.
Veröffentlicht: (2024)