:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Luo, Huakun, Wu, Haixu, Zhou, Hang, Xing, Lanxiang, Di, Yichen, Wang, Jianmin, Long, Mingsheng
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2502.02414
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Transolver: A Fast Transformer Solver for PDEs on General Geometries
von: Wu, Haixu, et al.
Veröffentlicht: (2024)

Transolver-3: Scaling Up Transformer Solvers to Industrial-Scale Geometries
von: Zhou, Hang, et al.
Veröffentlicht: (2026)

RoPINN: Region Optimized Physics-Informed Neural Networks
von: Wu, Haixu, et al.
Veröffentlicht: (2024)

HelmFluid: Learning Helmholtz Dynamics for Interpretable Fluid Prediction
von: Xing, Lanxiang, et al.
Veröffentlicht: (2023)

Unisolver: PDE-Conditional Transformers Towards Universal Neural PDE Solvers
von: Zhou, Hang, et al.
Veröffentlicht: (2024)

PhySense: Sensor Placement Optimization for Accurate Physics Sensing
von: Ma, Yuezhou, et al.
Veröffentlicht: (2025)

ProPINN: Demystifying Propagation Failures in Physics-Informed Neural Networks
von: Wu, Haixu, et al.
Veröffentlicht: (2025)

DeepLag: Discovering Deep Lagrangian Dynamics for Intuitive Fluid Prediction
von: Ma, Qilong, et al.
Veröffentlicht: (2024)

Metadata Matters for Time Series: Informative Forecasting with Transformers
von: Dong, Jiaxiang, et al.
Veröffentlicht: (2024)

Deep Time Series Models: A Comprehensive Survey and Benchmark
von: Wang, Yuxuan, et al.
Veröffentlicht: (2024)

TimeSiam: A Pre-Training Framework for Siamese Time-Series Modeling
von: Dong, Jiaxiang, et al.
Veröffentlicht: (2024)

FlashBias: Fast Computation of Attention with Bias
von: Wu, Haixu, et al.
Veröffentlicht: (2025)

Brep2Shape: Boundary and Shape Representation Alignment via Self-Supervised Transformers
von: Sun, Yuanxu, et al.
Veröffentlicht: (2026)

GeoPT: Scaling Physics Simulation via Lifted Geometric Pre-Training
von: Wu, Haixu, et al.
Veröffentlicht: (2026)

TimeXer: Empowering Transformers for Time Series Forecasting with Exogenous Variables
von: Wang, Yuxuan, et al.
Veröffentlicht: (2024)

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

TiMi: Empower Time Series Transformers with Multimodal Mixture of Experts
von: Lin, Jiafeng, et al.
Veröffentlicht: (2026)

Exploring Accuracy Law for Deep Time Series Forecasters: An Empirical Study
von: Wang, Yuxuan, et al.
Veröffentlicht: (2025)

TimeMixer: Decomposable Multiscale Mixing for Time Series Forecasting
von: Wang, Shiyu, et al.
Veröffentlicht: (2024)

Harnessing Scale and Physics: A Multi-Graph Neural Operator Framework for PDEs on Arbitrary Geometries
von: Li, Zhihao, et al.
Veröffentlicht: (2024)

iTransformer: Inverted Transformers Are Effective for Time Series Forecasting
von: Liu, Yong, et al.
Veröffentlicht: (2023)

Thoth: Mid-Training Bridges LLMs to Time Series Understanding
von: Lin, Jiafeng, et al.
Veröffentlicht: (2026)

CompilerDream: Learning a Compiler World Model for General Code Optimization
von: Deng, Chaoyi, et al.
Veröffentlicht: (2024)

Geometry Aware Operator Transformer as an Efficient and Accurate Neural Surrogate for PDEs on Arbitrary Domains
von: Wen, Shizheng, et al.
Veröffentlicht: (2025)

Efficient Decoder Scaling Strategy for Neural Routing Solvers
von: Luo, Qing, et al.
Veröffentlicht: (2026)

MMET: A Multi-Input and Multi-Scale Transformer for Efficient PDEs Solving
von: Luo, Yichen, et al.
Veröffentlicht: (2025)

Timer-XL: Long-Context Transformers for Unified Time Series Forecasting
von: Liu, Yong, et al.
Veröffentlicht: (2024)

Probabilistic Functional Neural Networks
von: Wang, Haixu, et al.
Veröffentlicht: (2025)

Domain Guidance: A Simple Transfer Approach for a Pre-trained Diffusion Model
von: Zhong, Jincheng, et al.
Veröffentlicht: (2025)

Toward Efficient Kernel-Based Solvers for Nonlinear PDEs
von: Xu, Zhitong, et al.
Veröffentlicht: (2024)

GeoTransolver: Learning Physics on Irregular Domains Using Multi-scale Geometry Aware Physics Attention Transformer
von: Adams, Corey, et al.
Veröffentlicht: (2025)

AutoTimes: Autoregressive Time Series Forecasters via Large Language Models
von: Liu, Yong, et al.
Veröffentlicht: (2024)

Efficient Generative Transformer Operators For Million-Point PDEs
von: Koupaï, Armand Kassaï, et al.
Veröffentlicht: (2025)

Timer: Generative Pre-trained Transformers Are Large Time Series Models
von: Liu, Yong, et al.
Veröffentlicht: (2024)

CogDPM: Diffusion Probabilistic Models via Cognitive Predictive Coding
von: Chen, Kaiyuan, et al.
Veröffentlicht: (2024)

Monte Carlo Neural PDE Solver for Learning PDEs via Probabilistic Representation
von: Zhang, Rui, et al.
Veröffentlicht: (2023)

DiTS: Multimodal Diffusion Transformers Are Time Series Forecasters
von: Zhang, Haoran, et al.
Veröffentlicht: (2026)

Physics-Aware Neural Implicit Solvers for multiscale, parametric PDEs with applications in heterogeneous media
von: Chatzopoulos, Matthaios, et al.
Veröffentlicht: (2024)

HarmonyDream: Task Harmonization Inside World Models
von: Ma, Haoyu, et al.
Veröffentlicht: (2023)

TENG-BC: Unified Time-Evolving Natural Gradient for Neural PDE Solvers with General Boundary Conditions
von: Jiang, Hongjie, et al.
Veröffentlicht: (2026)