Buchumschlag

Deep collocation method: A framework for solving PDEs using neural networks with error control

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Weng, Mingxing, Mao, Zhiping, Shen, Jie
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Numerical Analysis 68T07, 65N22
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A framework of discontinuous Galerkin neural networks for iteratively approximating residuals
von: Yuan, Long, et al.
Veröffentlicht: (2025)

A Neural Multigrid Solver for Helmholtz Equations with High Wavenumber and Heterogeneous Media
von: Cui, Chen, et al.
Veröffentlicht: (2024)

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

An $r$-adaptive finite element method using neural networks for parametric self-adjoint elliptic problem
von: Aballay, Danilo, et al.
Veröffentlicht: (2025)

A discontinuous Galerkin plane wave neural network method for Helmholtz equation and Maxwell's equations
von: Yuan, Long, et al.
Veröffentlicht: (2025)

A neuron-wise subspace correction method for the finite neuron method
von: Park, Jongho, et al.
Veröffentlicht: (2022)

Subspace method based on neural networks for eigenvalue problems
von: Dai, Xiaoying, et al.
Veröffentlicht: (2024)

Discontinuous hybrid neural networks for the one-dimensional partial differential equations
von: Wang, Xiaoyu, et al.
Veröffentlicht: (2025)

Least Squares with Equality constraints Extreme Learning Machines for the resolution of PDEs
von: De Falco, Davide Elia, et al.
Veröffentlicht: (2025)

A Hybrid Iterative Neural Solver Based on Spectral Analysis for Parametric PDEs
von: Cui, Chen, et al.
Veröffentlicht: (2024)

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

Self-adaptive physics-informed neural network for forward and inverse problems in heterogeneous porous flow
von: Aziz, Md. Abdul, et al.
Veröffentlicht: (2025)

Neural Network Dual Norms for Minimal Residual Finite Element Methods
von: Alsobhi, Hamd, et al.
Veröffentlicht: (2025)

The lowest-order Neural Approximated Virtual Element Method on polygonal elements
von: Berrone, Stefano, 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)

A Deep Learning algorithm to accelerate Algebraic Multigrid methods in Finite Element solvers of 3D elliptic PDEs
von: Caldana, Matteo, et al.
Veröffentlicht: (2023)

Deep asymptotic expansion method for solving singularly perturbed time-dependent reaction-advection-diffusion equations
von: Zhu, Qiao, et al.
Veröffentlicht: (2025)

Data-Free Asymptotics-Informed Operator Networks for Singularly Perturbed PDEs
von: Lee, Jinsil, et al.
Veröffentlicht: (2025)

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

Computational homogenization for aerogel-like polydisperse open-porous materials using neural network--based surrogate models on the microscale
von: Klawonn, Axel, et al.
Veröffentlicht: (2024)

Alternately-optimized SNN method for acoustic scattering problem in unbounded domain
von: Song, Haoming, et al.
Veröffentlicht: (2025)

Discontinuous Galerkin finite element operator network for solving non-smooth PDEs
von: Chawla, Kapil, et al.
Veröffentlicht: (2026)

ECALL: Expectation-calibrated learning for unsupervised blind deconvolution
von: Haltmeier, Markus, et al.
Veröffentlicht: (2024)

Geometric Generalization of Neural Operators from Kernel Integral Perspective
von: Han, Mingyu, et al.
Veröffentlicht: (2026)

Multiscale Neural Networks for Approximating Green's Functions
von: Hao, Wenrui, et al.
Veröffentlicht: (2024)

Expression Rates of Neural Operators for Linear Elliptic PDEs in Polytopes
von: Marcati, Carlo, et al.
Veröffentlicht: (2024)

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

Enforcing boundary conditions for physics-informed neural operators
von: Göschel, Niklas, et al.
Veröffentlicht: (2025)

Meshless Shape Optimization using Neural Networks and Partial Differential Equations on Graphs
von: Martinet, Eloi, et al.
Veröffentlicht: (2025)

Adaptive Randomized Neural Networks with Locally Activation Function: Theory and Algorithm for Solving PDEs
von: Bi, Ran, et al.
Veröffentlicht: (2026)

A posteriori certification for neural network approximations to PDEs
von: Ernst, Lewin, et al.
Veröffentlicht: (2025)

Deep Learning Accelerated Algebraic Multigrid Methods for Polytopal Discretizations of Second-Order Differential Problems
von: Antonietti, Paola F., et al.
Veröffentlicht: (2025)

Kernel Methods in the Deep Ritz framework: Theory and practice
von: Kleikamp, Hendrik, et al.
Veröffentlicht: (2024)

Certified and accurate computation of function space norms of deep neural networks
von: Gründler, Johannes, et al.
Veröffentlicht: (2026)

Deep neural network yields regularization for ill-posed inverse problems
von: Zhu, Qiao, et al.
Veröffentlicht: (2026)

A reduced order Schwarz method for nonlinear multiscale elliptic equations based on two-layer neural networks
von: Chen, Shi, et al.
Veröffentlicht: (2021)

Sampling Distributions as Regularization in Learned Inverse Problems
von: Babyale, Sandra R., et al.
Veröffentlicht: (2026)

Learning a generalized multiscale prolongation operator
von: Liu, Yucheng, et al.
Veröffentlicht: (2024)

Finite-difference least square methods for solving Hamilton-Jacobi equations using neural networks
von: Esteve-Yagüe, Carlos, et al.
Veröffentlicht: (2024)

Solving Approximation Tasks with Greedy Deep Kernel Methods
von: Klink, Marian, et al.
Veröffentlicht: (2025)