Buchumschlag

Data-Driven Extreme Response Estimation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Edwards, Samuel J., Levine, Michael D.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Data Analysis, Statistics and Probability
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Pipeline for Data-Driven Learning of Topological Features with Applications to Protein Stability Prediction
von: Mishra, Amish, et al.
Veröffentlicht: (2024)

A Unified Framework for Structured Flow Modeling: From Continuous Fields to Data-Driven Representations
von: Casadei, Diego
Veröffentlicht: (2026)

Short-Term Forecasting of Energy Production and Consumption Using Extreme Learning Machine: A Comprehensive MIMO based ELM Approach
von: Voyant, Cyril, et al.
Veröffentlicht: (2025)

From Data to Laws: Neural Discovery of Conservation Laws Without False Positives
von: Ray, Rahul D
Veröffentlicht: (2026)

Accurate Estimation of Mutual Information in High Dimensional Data
von: Abdelaleem, Eslam, et al.
Veröffentlicht: (2025)

Response Theory via Generative Score Modeling
von: Giorgini, Ludovico Theo, et al.
Veröffentlicht: (2024)

Simultaneous Dimensionality Reduction: A Data Efficient Approach for Multimodal Representations Learning
von: Abdelaleem, Eslam, et al.
Veröffentlicht: (2023)

Mixed Noise and Posterior Estimation with Conditional DeepGEM
von: Hagemann, Paul, et al.
Veröffentlicht: (2024)

Toward Model-Agnostic Detection of New Physics Using Data-Driven Signal Regions
von: Yi, Soheun, et al.
Veröffentlicht: (2024)

Physics-constrained polynomial chaos expansion for scientific machine learning and uncertainty quantification
von: Sharma, Himanshu, et al.
Veröffentlicht: (2024)

Probabilistic Emissivity Retrieval from Hyperspectral Data via Physics-Guided Variational Inference
von: Tempelman, Joshua R., et al.
Veröffentlicht: (2025)

OASIS: A Deep Learning Framework for Universal Spectroscopic Analysis Driven by Novel Loss Functions
von: Young, Chris, et al.
Veröffentlicht: (2025)

Scientific Data Compression and Super-Resolution Sampling
von: Vu, Minh, et al.
Veröffentlicht: (2025)

Topological Learning in Multi-Class Data Sets
von: Griffin, Christopher, et al.
Veröffentlicht: (2023)

Data-driven Progressive Discovery of Physical Laws
von: Xia, Mingkun, et al.
Veröffentlicht: (2026)

Learning thermodynamically constrained equations of state with uncertainty
von: Sharma, Himanshu, et al.
Veröffentlicht: (2023)

Comparative Analysis of Machine Learning-Based Imputation Techniques for Air Quality Datasets with High Missing Data Rates
von: Yan, Sen, et al.
Veröffentlicht: (2024)

Out-of-Sample Hydrocarbon Production Forecasting: Time Series Machine Learning using Productivity Index-Driven Features and Inductive Conformal Prediction
von: Idris, Mohamed Hassan Abdalla, et al.
Veröffentlicht: (2025)

Active Learning of Molecular Data for Task-Specific Objectives
von: Ghosh, Kunal, et al.
Veröffentlicht: (2024)

Data augmentation using diffusion models to enhance inverse Ising inference
von: Lim, Yechan, et al.
Veröffentlicht: (2025)

Active Learning with Fully Bayesian Neural Networks for Discontinuous and Nonstationary Data
von: Ziatdinov, Maxim
Veröffentlicht: (2024)

Temporal Graph Neural Networks for Early Anomaly Detection and Performance Prediction via PV System Monitoring Data
von: Mukherjee, Srijani, et al.
Veröffentlicht: (2025)

Stochastic Inference of Plate Bending from Heterogeneous Data: Physics-informed Gaussian Processes via Kirchhoff-Love Theory
von: Kavrakov, Igor, et al.
Veröffentlicht: (2024)

Tunable correlation retention: A statistical method for generating synthetic data
von: Jävergård, Nicklas, et al.
Veröffentlicht: (2024)

Parameter uncertainties for imperfect surrogate models in the low-noise regime
von: Swinburne, Thomas D, et al.
Veröffentlicht: (2024)

Statistical limits of correlation detection in trees
von: Ganassali, Luca, et al.
Veröffentlicht: (2022)

Setting the Standard: Recommended Practices for Data Preprocessing in Data-Driven Climate Prediction
von: Furtado, Jason C., et al.
Veröffentlicht: (2025)

Limits to classification performance by relating Kullback-Leibler divergence to Cohen's Kappa
von: Crow, L., et al.
Veröffentlicht: (2024)

Lines of Thought in Large Language Models
von: Sarfati, Raphaël, et al.
Veröffentlicht: (2024)

Reservoir Static Property Estimation Using Nearest-Neighbor Neural Network
von: Wang, Yuhe
Veröffentlicht: (2024)

Physics-informed neural operators for the in situ characterization of locally reacting sound absorbers
von: Schmid, Jonas M., et al.
Veröffentlicht: (2026)

Multi-fidelity Gaussian process surrogate modeling for regression problems in physics
von: Ravi, Kislaya, et al.
Veröffentlicht: (2024)

Integrating Bayesian Spectral Deconvolution and Expert Scientific Reasoning for Robust Peak Estimation
von: Okubo, Hayato, et al.
Veröffentlicht: (2026)

Annealed Stein Variational Gradient Descent for Improved Uncertainty Estimation in Full-Waveform Inversion
von: Corrales, Miguel, et al.
Veröffentlicht: (2024)

Neural posterior estimation for scalable and accurate inverse parameter inference in Li-ion batteries
von: Hassanaly, Malik, et al.
Veröffentlicht: (2026)

Data-driven Approach for Interpolation of Sparse Data
von: Ferguson, R. F., et al.
Veröffentlicht: (2025)

Detail Across Scales: Multi-Scale Enhancement for Full Spectrum Neural Representations
von: Ni, Yuan, et al.
Veröffentlicht: (2025)

Data efficiency, dimensionality reduction, and the generalized symmetric information bottleneck
von: Martini, K. Michael, et al.
Veröffentlicht: (2023)

Position: Solve Layerwise Linear Models First to Understand Neural Dynamical Phenomena (Neural Collapse, Emergence, Lazy/Rich Regime, and Grokking)
von: Nam, Yoonsoo, et al.
Veröffentlicht: (2025)

From Occurrence to Consequence: A Comprehensive Data-driven Analysis of Building Fire Risk
von: Ma, Chenzhi, et al.
Veröffentlicht: (2025)