Buchumschlag

Scalable Bayesian Physics-Informed Kolmogorov-Arnold Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gao, Zhiwei, Karniadakis, George Em
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Numerical Analysis Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

KKANs: Kurkova-Kolmogorov-Arnold Networks and Their Learning Dynamics
von: Toscano, Juan Diego, et al.
Veröffentlicht: (2024)

Spectral Audit of In-Context Operator Networks
von: Gao, Zhiwei, et al.
Veröffentlicht: (2026)

SPIKANs: Separable Physics-Informed Kolmogorov-Arnold Networks
von: Jacob, Bruno, et al.
Veröffentlicht: (2024)

Proposal-Guided Greedy Surrogate Refinement for PDE-Driven High-Dimensional Rare-Event Estimation
von: Gao, Zhiwei, et al.
Veröffentlicht: (2026)

UFO: A Domain-Unification-Free Operator Framework for Generalized Operator Learning
von: Qiao, Hanli, et al.
Veröffentlicht: (2026)

Multifidelity Kolmogorov-Arnold Networks
von: Howard, Amanda A., et al.
Veröffentlicht: (2024)

Hutchinson Trace Estimation for High-Dimensional and High-Order Physics-Informed Neural Networks
von: Hu, Zheyuan, et al.
Veröffentlicht: (2023)

Score-Based Physics-Informed Neural Networks for High-Dimensional Fokker-Planck Equations
von: Hu, Zheyuan, et al.
Veröffentlicht: (2024)

Kolmogorov Arnold Informed neural network: A physics-informed deep learning framework for solving forward and inverse problems based on Kolmogorov Arnold Networks
von: Wang, Yizheng, et al.
Veröffentlicht: (2024)

Tackling the Curse of Dimensionality in Fractional and Tempered Fractional PDEs with Physics-Informed Neural Networks
von: Hu, Zheyuan, et al.
Veröffentlicht: (2024)

Sinusoidal Approximation Theorem for Kolmogorov-Arnold Networks
von: Gleyzer, Sergei, et al.
Veröffentlicht: (2025)

Hybrid Iterative Solvers with Geometry-Aware Neural Preconditioners for Parametric PDEs
von: Lee, Youngkyu, et al.
Veröffentlicht: (2025)

NSPOD: Accelerating Krylov solvers via DeepONet-learned POD subspaces
von: Levrero-Florencio, Francesc, et al.
Veröffentlicht: (2026)

Score-fPINN: Fractional Score-Based Physics-Informed Neural Networks for High-Dimensional Fokker-Planck-Levy Equations
von: Hu, Zheyuan, et al.
Veröffentlicht: (2024)

The Proof of Kolmogorov-Arnold May Illuminate Neural Network Learning
von: Freedman, Michael H.
Veröffentlicht: (2024)

Curvature-Aware Optimization for High-Accuracy Physics-Informed Neural Networks
von: Jnini, Anas, et al.
Veröffentlicht: (2026)

Tackling the Curse of Dimensionality with Physics-Informed Neural Networks
von: Hu, Zheyuan, et al.
Veröffentlicht: (2023)

fKAN: Fractional Kolmogorov-Arnold Networks with trainable Jacobi basis functions
von: Aghaei, Alireza Afzal
Veröffentlicht: (2024)

KANtrol: A Physics-Informed Kolmogorov-Arnold Network Framework for Solving Multi-Dimensional and Fractional Optimal Control Problems
von: Aghaei, Alireza Afzal
Veröffentlicht: (2024)

FI-KAN: Fractal Interpolation Kolmogorov-Arnold Networks
von: N'guessan, Gnankan Landry Regis
Veröffentlicht: (2026)

rKAN: Rational Kolmogorov-Arnold Networks
von: Aghaei, Alireza Afzal
Veröffentlicht: (2024)

Blending Neural Operators and Relaxation Methods in PDE Numerical Solvers
von: Zhang, Enrui, et al.
Veröffentlicht: (2022)

Optimizing the Optimizer for Physics-Informed Neural Networks and Kolmogorov-Arnold Networks
von: Kiyani, Elham, et al.
Veröffentlicht: (2025)

Free-RBF-KAN: Kolmogorov-Arnold Networks with Adaptive Radial Basis Functions for Efficient Function Learning
von: Chiu, Shao-Ting, et al.
Veröffentlicht: (2026)

ATHENA: Agentic Team for Hierarchical Evolutionary Numerical Algorithms
von: Toscano, Juan Diego, et al.
Veröffentlicht: (2025)

DeepOnet Based Preconditioning Strategies For Solving Parametric Linear Systems of Equations
von: Kopaničáková, Alena, et al.
Veröffentlicht: (2024)

Ensemble learning for Physics Informed Neural Networks: a Gradient Boosting approach
von: Fang, Zhiwei, et al.
Veröffentlicht: (2023)

Reduced Effectiveness of Kolmogorov-Arnold Networks on Functions with Noise
von: Shen, Haoran, et al.
Veröffentlicht: (2024)

Bayesian Physics Informed Neural Networks for Linear Inverse problems
von: Mohammad-Djafari, Ali
Veröffentlicht: (2025)

A Practitioner's Guide to Kolmogorov-Arnold Networks
von: Noorizadegan, Amir, et al.
Veröffentlicht: (2025)

KAN-GCN: Combining Kolmogorov-Arnold Network with Graph Convolution Network for an Accurate Ice Sheet Emulator
von: Liu, Zesheng, et al.
Veröffentlicht: (2025)

Safe cross-entropy-based importance sampling for rare event simulations
von: Gao, Zhiwei, et al.
Veröffentlicht: (2025)

A Variational Framework for Residual-Based Adaptivity in Neural PDE Solvers and Operator Learning
von: Toscano, Juan Diego, et al.
Veröffentlicht: (2025)

Approximation Rates in Besov Norms and Sample-Complexity of Kolmogorov-Arnold Networks with Residual Connections
von: Kratsios, Anastasis, et al.
Veröffentlicht: (2025)

Leveraging Operator Learning to Accelerate Convergence of the Preconditioned Conjugate Gradient Method
von: Kopaničáková, Alena, et al.
Veröffentlicht: (2025)

Deep Neural networks for solving high-dimensional parabolic partial differential equations
von: Zhang, Wenzhong, et al.
Veröffentlicht: (2026)

Adaptive operator learning for infinite-dimensional Bayesian inverse problems
von: Gao, Zhiwei, et al.
Veröffentlicht: (2023)

Two-scale Neural Networks for Partial Differential Equations with Small Parameters
von: Zhuang, Qiao, et al.
Veröffentlicht: (2024)

Physics-Informed Kolmogorov-Arnold Networks for multi-material elasticity problems in electronic packaging
von: Gong, Yanpeng, et al.
Veröffentlicht: (2025)

Preconditioning for Physics-Informed Neural Networks
von: Liu, Songming, et al.
Veröffentlicht: (2024)