Buchumschlag

Riemann Tensor Neural Networks: Learning Conservative Systems with Physics-Constrained Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jnini, Anas, Breschi, Lorenzo, Vella, Flavio
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

Dual Natural Gradient Descent for Scalable Training of Physics-Informed Neural Networks
von: Jnini, Anas, et al.
Veröffentlicht: (2025)

Physics-constrained DeepONet for Surrogate CFD models: a curved backward-facing step case
von: Jnini, Anas, et al.
Veröffentlicht: (2025)

Gauss-Newton Natural Gradient Descent for Physics-Informed Computational Fluid Dynamics
von: Jnini, Anas, et al.
Veröffentlicht: (2024)

cuVegas: Accelerate Multidimensional Monte Carlo Integration through a Parallelized CUDA-based Implementation of the VEGAS Enhanced Algorithm
von: Tolotti, Emiliano, et al.
Veröffentlicht: (2024)

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

Learning Sparse Compositional Functions with Norm-Constrained Neural Networks
von: Huang, Shuo, et al.
Veröffentlicht: (2026)

Functional Tensor Decompositions for Physics-Informed Neural Networks
von: Vemuri, Sai Karthikeya, et al.
Veröffentlicht: (2024)

Guaranteeing Conservation of Integrals with Projection in Physics-Informed Neural Networks
von: Baez, Anthony, et al.
Veröffentlicht: (2025)

Guaranteeing Conservation Laws with Projection in Physics-Informed Neural Networks
von: Baez, Anthony, et al.
Veröffentlicht: (2024)

Neuro-Symbolic Activation Discovery: Transferring Mathematical Structures from Physics to Ecology for Parameter-Efficient Neural Networks
von: Hajbi, Anas
Veröffentlicht: (2026)

Factor Augmented Tensor-on-Tensor Neural Networks
von: Zhou, Guanhao, et al.
Veröffentlicht: (2024)

Physics-Informed Spiking Neural Networks via Conservative Flux Quantization
von: Zhang, Chi, et al.
Veröffentlicht: (2025)

The GECo algorithm for Graph Neural Networks Explanation
von: Calderaro, Salvatore, et al.
Veröffentlicht: (2024)

GoRINNs: Godunov-Riemann Informed Neural Networks for Learning Hyperbolic Conservation Laws
von: Patsatzis, Dimitrios G., et al.
Veröffentlicht: (2024)

Hard-Constrained Neural Networks with Physics-Embedded Architecture for Residual Dynamics Learning and Invariant Enforcement in Cyber-Physical Systems
von: Spotorno, Enzo Nicolás, et al.
Veröffentlicht: (2025)

Unrolled Neural Networks for Constrained Optimization
von: Hadou, Samar, et al.
Veröffentlicht: (2026)

Tensor Networks Meet Neural Networks: A Survey and Future Perspectives
von: Wang, Maolin, et al.
Veröffentlicht: (2023)

Tensor Network-Constrained Kernel Machines as Gaussian Processes
von: Wesel, Frederiek, et al.
Veröffentlicht: (2024)

Physics-Informed Neural Networks for Solving Derivative-Constrained PDEs
von: Hoshisashi, Kentaro, et al.
Veröffentlicht: (2026)

Conditional Uncertainty Quantification for Tensorized Topological Neural Networks
von: Wu, Yujia, et al.
Veröffentlicht: (2024)

Learning with Norm Constrained, Over-parameterized, Two-layer Neural Networks
von: Liu, Fanghui, et al.
Veröffentlicht: (2024)

Hidden Markov Neural Networks
von: Rimella, Lorenzo, et al.
Veröffentlicht: (2020)

Unrolled Graph Neural Networks for Constrained Optimization
von: Hadou, Samar, et al.
Veröffentlicht: (2025)

Diffusion-Guided Renormalization of Neural Systems via Tensor Networks
von: Kodama, Nathan X.
Veröffentlicht: (2025)

Enabling On-device Continual Learning with Binary Neural Networks
von: Vorabbi, Lorenzo, et al.
Veröffentlicht: (2024)

Tensor-view Topological Graph Neural Network
von: Wen, Tao, et al.
Veröffentlicht: (2024)

Topological Neural Networks: Mitigating the Bottlenecks of Graph Neural Networks via Higher-Order Interactions
von: Giusti, Lorenzo
Veröffentlicht: (2024)

High-Order Tensor Regression in Sparse Convolutional Neural Networks
von: Algarte, Roberto Dias
Veröffentlicht: (2025)

Tensor Network Based Feature Learning Model
von: Saiapin, Albert, et al.
Veröffentlicht: (2025)

How to Square Tensor Networks and Circuits Without Squaring Them
von: Loconte, Lorenzo, et al.
Veröffentlicht: (2025)

Super Consistency of Neural Network Landscapes and Learning Rate Transfer
von: Noci, Lorenzo, et al.
Veröffentlicht: (2024)

Permutation Equivariant Neural Networks for Symmetric Tensors
von: Pearce-Crump, Edward
Veröffentlicht: (2025)

Weak Physics Informed Neural Networks for Geometry Compatible Hyperbolic Conservation Laws on Manifolds
von: Zhou, Hanfei, et al.
Veröffentlicht: (2025)

Meta-Learning for Physically-Constrained Neural System Identification
von: Chakrabarty, Ankush, et al.
Veröffentlicht: (2025)

Variational Quantum Physics-Informed Neural Networks for Hydrological PDE-Constrained Learning with Inherent Uncertainty Quantification
von: Hewage, Prasad Nimantha Madusanka Ukwatta, et al.
Veröffentlicht: (2026)

Low-Rank Tensor Decompositions for the Theory of Neural Networks
von: Borsoi, Ricardo, et al.
Veröffentlicht: (2025)

Tensor Product Neural Networks for Functional ANOVA Model
von: Park, Seokhun, et al.
Veröffentlicht: (2025)

Compressing Neural Networks Using Tensor Networks with Exponentially Fewer Variational Parameters
von: Qing, Yong, et al.
Veröffentlicht: (2023)

Training of Physical Neural Networks
von: Momeni, Ali, et al.
Veröffentlicht: (2024)

Fast Tensorization of Neural Networks via Slice-wise Feature Distillation
von: Hamreras, Safa, et al.
Veröffentlicht: (2026)