Buchumschlag

Neural Variable-Order Fractional Differential Equation Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cui, Wenjun, Kang, Qiyu, Li, Xuhao, Zhao, Kai, Tay, Wee Peng, Deng, Weihua, Li, Yidong
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

Efficient Training of Neural Fractional-Order Differential Equation via Adjoint Backpropagation
von: Kang, Qiyu, et al.
Veröffentlicht: (2025)

Distributed-Order Fractional Graph Operating Network
von: Zhao, Kai, et al.
Veröffentlicht: (2024)

Unleashing the Potential of Fractional Calculus in Graph Neural Networks with FROND
von: Kang, Qiyu, et al.
Veröffentlicht: (2024)

Simple Graph Contrastive Learning via Fractional-order Neural Diffusion Networks
von: Zhao, Yanan, et al.
Veröffentlicht: (2025)

Coupling Graph Neural Networks with Fractional Order Continuous Dynamics: A Robustness Study
von: Kang, Qiyu, et al.
Veröffentlicht: (2024)

Adaptive Multi-view Graph Contrastive Learning via Fractional-order Neural Diffusion Networks
von: Zhao, Yanan, et al.
Veröffentlicht: (2025)

Graph Neural Networks with a Distribution of Parametrized Graphs
von: Lee, See Hian, et al.
Veröffentlicht: (2023)

Representation-Aligned Multi-Scale Personalization for Federated Learning
von: Liang, Wenfei, et al.
Veröffentlicht: (2026)

Contrastive Conformal Sets
von: Alkhatib, Yahya, et al.
Veröffentlicht: (2026)

Lyapunov Stable Graph Neural Flow
von: Chu, Haoyu, et al.
Veröffentlicht: (2026)

Chebyshev Spectral Neural Networks for Solving Partial Differential Equations
von: Yin, Pengsong, et al.
Veröffentlicht: (2024)

Personalized Subgraph Federated Learning with Sheaf Collaboration
von: Liang, Wenfei, et al.
Veröffentlicht: (2025)

FedSheafHN: Personalized Federated Learning on Graph-structured Data
von: Liang, Wenfei, et al.
Veröffentlicht: (2024)

Solving Time-Fractional Partial Integro-Differential Equations Using Tensor Neural Network
von: Lin, Zhongshuo, et al.
Veröffentlicht: (2025)

Differentiable Cluster Graph Neural Network
von: Dong, Yanfei, et al.
Veröffentlicht: (2024)

Differential Equation Scaling Limits of Shaped and Unshaped Neural Networks
von: Li, Mufan Bill, et al.
Veröffentlicht: (2023)

Conformal Unlearning: A New Paradigm for Unlearning in Conformal Predictors
von: Alkhatib, Yahya, et al.
Veröffentlicht: (2025)

Graph Distribution-valued Signals: A Wasserstein Space Perspective
von: Zhao, Yanan, et al.
Veröffentlicht: (2025)

Symbolic Neural Ordinary Differential Equations
von: Li, Xin, et al.
Veröffentlicht: (2025)

Less is More: Towards Simple Graph Contrastive Learning
von: Zhao, Yanan, et al.
Veröffentlicht: (2025)

Fractional Differential Equation Physics-Informed Neural Network and Its Application in Battery State Estimation
von: Dang, Lujuan, et al.
Veröffentlicht: (2025)

A Novel Tensor Product-Based Neural Network for Solving Partial Differential Equations
von: Yang, Qihong, et al.
Veröffentlicht: (2026)

Differentiable Tree Search Network
von: Mittal, Dixant, et al.
Veröffentlicht: (2024)

InfraredGP: Efficient Graph Partitioning via Spectral Graph Neural Networks with Negative Corrections
von: Qin, Meng, et al.
Veröffentlicht: (2025)

A Physics-Informed Machine Learning Approach for Solving Distributed Order Fractional Differential Equations
von: Aghaei, Alireza Afzal
Veröffentlicht: (2024)

Neural Fractional Differential Equations
von: Coelho, C., et al.
Veröffentlicht: (2024)

Chaos into Order: Neural Framework for Expected Value Estimation of Stochastic Partial Differential Equations
von: Pétursson, Ísak, et al.
Veröffentlicht: (2025)

GrassNet: State Space Model Meets Graph Neural Network
von: Zhao, Gongpei, et al.
Veröffentlicht: (2024)

Hyperbolic-PDE GNN: Spectral Graph Neural Networks in the Perspective of A System of Hyperbolic Partial Differential Equations
von: Yue, Juwei, et al.
Veröffentlicht: (2025)

Fractional-order Jacobian Matrix Differentiation and Its Application in Artificial Neural Networks
von: zhou, Xiaojun, et al.
Veröffentlicht: (2025)

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

A Fully First-Order Layer for Differentiable Optimization
von: Zhao, Zihao, et al.
Veröffentlicht: (2025)

Automatic Differentiation is Essential in Training Neural Networks for Solving Differential Equations
von: Chen, Chuqi, et al.
Veröffentlicht: (2024)

Fractional-order Spiking Neural Network
von: Ge, Chengjie, et al.
Veröffentlicht: (2025)

Exploring Neural Ordinary Differential Equations as Interpretable Healthcare classifiers
von: Li, Shi
Veröffentlicht: (2025)

Deep Neural Networks Inspired by Differential Equations
von: Liu, Yongshuai, et al.
Veröffentlicht: (2025)

Second-Order Tensorial Partial Differential Equations on Graphs
von: Einizade, Aref, et al.
Veröffentlicht: (2025)

Correctness Verification of Neural Networks Approximating Differential Equations
von: Ellinas, Petros, et al.
Veröffentlicht: (2024)

LGAN: An Efficient High-Order Graph Neural Network via the Line Graph Aggregation
von: Du, Lin, et al.
Veröffentlicht: (2025)

MAD-NG: Meta-Auto-Decoder Neural Galerkin Method for Solving Parametric Partial Differential Equations
von: Li, Qiuqi, et al.
Veröffentlicht: (2025)