Buchumschlag

Inverse Evolution Data Augmentation for Neural PDE Solvers

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Chaoyu, Budd, Chris, Schönlieb, Carola-Bibiane
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Inverse Evolution Layers: Physics-informed Regularizers for Deep Neural Networks
von: Liu, Chaoyu, et al.
Veröffentlicht: (2023)

Adaptive Correction for Ensuring Conservation Laws in Neural Operators
von: Liu, Chaoyu, et al.
Veröffentlicht: (2025)

Enhancing Fourier Neural Operators with Local Spatial Features
von: Liu, Chaoyu, et al.
Veröffentlicht: (2025)

Generative Unordered Flow for Set-Structured Data Generation
von: Li, Yangming, et al.
Veröffentlicht: (2025)

Graph Neural Regularizers for PDE Inverse Problems
von: Lauga, William, et al.
Veröffentlicht: (2025)

Weakly Convex Regularisers for Inverse Problems: Convergence of Critical Points and Primal-Dual Optimisation
von: Shumaylov, Zakhar, et al.
Veröffentlicht: (2024)

PDE Solvers Should Be Local: Fast, Stable Rollouts with Learned Local Stencils
von: Cheng, Chun-Wun, et al.
Veröffentlicht: (2025)

Data-driven approaches to inverse problems
von: Schönlieb, Carola-Bibiane, et al.
Veröffentlicht: (2025)

CATO: Charted Attention for Neural PDE Operators
von: Cheng, Chun-Wun, et al.
Veröffentlicht: (2026)

TANGO: Graph Neural Dynamics via Learned Energy and Tangential Flows
von: Eliasof, Moshe, et al.
Veröffentlicht: (2025)

Expressivity of Bi-Lipschitz Normalizing Flows: A Score-Based Diffusion Perspective
von: Iske, Meira, et al.
Veröffentlicht: (2026)

Learning Regularization for Graph Inverse Problems
von: Eliasof, Moshe, et al.
Veröffentlicht: (2024)

Practical Operator Sketching Framework for Accelerating Iterative Data-Driven Solutions in Inverse Problems
von: Tang, Junqi, et al.
Veröffentlicht: (2022)

On The Temporal Domain of Differential Equation Inspired Graph Neural Networks
von: Eliasof, Moshe, et al.
Veröffentlicht: (2024)

Trajectory Stitching for Solving Inverse Problems with Flow-Based Models
von: Denker, Alexander, et al.
Veröffentlicht: (2026)

Approximation Theory for Lipschitz Continuous Transformers
von: Furuya, Takashi, et al.
Veröffentlicht: (2026)

GRANOLA: Adaptive Normalization for Graph Neural Networks
von: Eliasof, Moshe, et al.
Veröffentlicht: (2024)

Resilient Graph Neural Networks: A Coupled Dynamical Systems Approach
von: Eliasof, Moshe, et al.
Veröffentlicht: (2023)

Deep Network Trainability via Persistent Subspace Orthogonality
von: Massucco, Alex, et al.
Veröffentlicht: (2025)

On the Effectiveness of Random Weights in Graph Neural Networks
von: Bui, Thu, et al.
Veröffentlicht: (2025)

Score-based Pullback Riemannian Geometry: Extracting the Data Manifold Geometry using Anisotropic Flows
von: Diepeveen, Willem, et al.
Veröffentlicht: (2024)

Enhanced Denoising and Convergent Regularisation Using Tweedie Scaling
von: Khelifa, Naïl, et al.
Veröffentlicht: (2025)

Continuous Learned Primal Dual
von: Runkel, Christina, et al.
Veröffentlicht: (2024)

On Oversquashing in Graph Neural Networks Through the Lens of Dynamical Systems
von: Gravina, Alessio, et al.
Veröffentlicht: (2024)

Approximation theory for 1-Lipschitz ResNets
von: Murari, Davide, et al.
Veröffentlicht: (2025)

Stochastic Primal-Dual Three Operator Splitting Algorithm with Extension to Equivariant Regularization-by-Denoising
von: Tang, Junqi, et al.
Veröffentlicht: (2022)

Multi-Level Monte Carlo Training of Neural Operators
von: Rowbottom, James, et al.
Veröffentlicht: (2025)

Di-BiLPS: Denoising induced Bidirectional Latent-PDE-Solver under Sparse Observations
von: Li, Zhonghao, et al.
Veröffentlicht: (2026)

Hamiltonian Matching for Symplectic Neural Integrators
von: Canizares, Priscilla, et al.
Veröffentlicht: (2024)

Symplectic Neural Flows for Modeling and Discovery
von: Canizares, Priscilla, et al.
Veröffentlicht: (2024)

Towards Invariance to Node Identifiers in Graph Neural Networks
von: Bechler-Speicher, Maya, et al.
Veröffentlicht: (2025)

Generalized Lie Symmetries in Physics-Informed Neural Operators
von: Wang, Amy Xiang, et al.
Veröffentlicht: (2025)

G-Adaptivity: optimised graph-based mesh relocation for finite element methods
von: Rowbottom, James, et al.
Veröffentlicht: (2024)

Christoffel-DPS: Optimal sensor placement in diffusion posterior sampling for arbitrary distributions
von: Rowbottom, James, et al.
Veröffentlicht: (2026)

Diffeomorphism-Equivariant Neural Networks
von: Oettinger, Josephine Elisabeth, et al.
Veröffentlicht: (2026)

Training Data Reconstruction: Privacy due to Uncertainty?
von: Runkel, Christina, et al.
Veröffentlicht: (2024)

Designing Stable Neural Networks using Convex Analysis and ODEs
von: Sherry, Ferdia, et al.
Veröffentlicht: (2023)

Towards Efficient Training of Graph Neural Networks: A Multiscale Approach
von: Gal, Eshed, et al.
Veröffentlicht: (2025)

On the Utilization of Unique Node Identifiers in Graph Neural Networks
von: Bechler-Speicher, Maya, et al.
Veröffentlicht: (2024)

Adversarial Learning for Neural PDE Solvers with Sparse Data
von: Gong, Yunpeng, et al.
Veröffentlicht: (2024)