Buchumschlag

Inverse Modeling of Dielectric Response in Time Domain using Physics-Informed Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Esenov, Emir, Hjortstam, Olof, Serdyuk, Yuriy, Hammarström, Thomas, Häger, Christian
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Systems and Control Machine Learning Computational Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Robust Power System State Estimation using Physics-Informed Neural Networks
von: Falas, Solon, et al.
Veröffentlicht: (2025)

Bayesian Physics Informed Neural Networks for Reliable Transformer Prognostics
von: Ramirez, Ibai, et al.
Veröffentlicht: (2025)

Physics-Informed Graph Neural Network for Dynamic Reconfiguration of Power Systems
von: Authier, Jules, et al.
Veröffentlicht: (2023)

Physics-Informed Neural Networks for Accelerating Power System State Estimation
von: Falas, Solon, et al.
Veröffentlicht: (2023)

Physics-Informed Heterogeneous Graph Neural Networks for DC Blocker Placement
von: Jin, Hongwei, et al.
Veröffentlicht: (2024)

Domain-decoupled Physics-informed Neural Networks with Closed-form Gradients for Fast Model Learning of Dynamical Systems
von: Krauss, Henrik, et al.
Veröffentlicht: (2024)

Physics-Informed Neural Network Lyapunov Functions: PDE Characterization, Learning, and Verification
von: Liu, Jun, et al.
Veröffentlicht: (2023)

Data-Driven Adaptive PID Control Based on Physics-Informed Neural Networks
von: Ito, Junsei, et al.
Veröffentlicht: (2025)

Optimal Sensor Placement in Power Transformers Using Physics-Informed Neural Networks
von: Li, Sirui, et al.
Veröffentlicht: (2025)

Learning Transferable Friction Models and LuGre Identification Via Physics-Informed Neural Networks
von: Ozmen, Asutay, et al.
Veröffentlicht: (2025)

Verifiable Error Bounds for Physics-Informed Neural Network Solutions of Lyapunov and Hamilton-Jacobi-Bellman Equations
von: Liu, Jun
Veröffentlicht: (2026)

Safe and Robust Domains of Attraction for Discrete-Time Systems: A Set-Based Characterization and Certifiable Neural Network Estimation
von: Serry, Mohamed, et al.
Veröffentlicht: (2026)

Adaptive Model-Predictive Control of a Soft Continuum Robot Using a Physics-Informed Neural Network Based on Cosserat Rod Theory
von: Licher, Johann, et al.
Veröffentlicht: (2025)

Solving Differential Equations using Physics-Informed Deep Equilibrium Models
von: Pacheco, Bruno Machado, et al.
Veröffentlicht: (2024)

Formally Verified Physics-Informed Neural Control Lyapunov Functions
von: Liu, Jun, et al.
Veröffentlicht: (2024)

Physics-Informed Deep B-Spline Networks
von: Wang, Zhuoyuan, et al.
Veröffentlicht: (2025)

Verifiable Error Bounds for Physics-Informed Neural KKL Observers
von: Berin-Costain, Hannah, et al.
Veröffentlicht: (2026)

A Physics-Informed Neural Networks-Based Model Predictive Control Framework for $SIR$ Epidemics
von: Zhong, Aiping, et al.
Veröffentlicht: (2025)

A Digital Twin for Diesel Engines: Operator-infused Physics-Informed Neural Networks with Transfer Learning for Engine Health Monitoring
von: Nath, Kamaljyoti, et al.
Veröffentlicht: (2024)

Robustly Invertible Nonlinear Dynamics and the BiLipREN: Contracting Neural Models with Contracting Inverses
von: Zhang, Yurui, et al.
Veröffentlicht: (2025)

PINNSim: A Simulator for Power System Dynamics based on Physics-Informed Neural Networks
von: Stiasny, Jochen, et al.
Veröffentlicht: (2023)

Physics-Informed Calibration of Aeromagnetic Compensation in Magnetic Navigation Systems using Liquid Time-Constant Networks
von: Nerrise, Favour, et al.
Veröffentlicht: (2024)

Optimizing Electric Vehicles Charging using Large Language Models and Graph Neural Networks
von: Orfanoudakis, Stavros, et al.
Veröffentlicht: (2025)

State Derivative Normalization for Continuous-Time Deep Neural Networks
von: Weigand, Jonas, et al.
Veröffentlicht: (2024)

Optimization Proxies using Limited Labeled Data and Training Time -- A Semi-Supervised Bayesian Neural Network Approach
von: Pareek, Parikshit, et al.
Veröffentlicht: (2024)

Modeling Electromagnetic Navigation Systems for Medical Applications using Random Forests and Artificial Neural Networks
von: Yu, Ruoxi, et al.
Veröffentlicht: (2019)

Real-Time Safe Control of Neural Network Dynamic Models with Sound Approximation
von: Hu, Hanjiang, et al.
Veröffentlicht: (2024)

Physics-informed Convolutional Neural Network for Microgrid Economic Dispatch
von: Ge, Xiaoyu, et al.
Veröffentlicht: (2024)

Scalable and Robust Physics-Informed Graph Neural Networks for Water Distribution Systems
von: Ashraf, Inaam, et al.
Veröffentlicht: (2025)

Stability and Performance Analysis of Discrete-Time ReLU Recurrent Neural Networks
von: Noori, Sahel Vahedi, et al.
Veröffentlicht: (2024)

Physics-Informed Learning of Proprietary Inverter Models for Grid Dynamic Studies
von: Kwon, Kyung-Bin, et al.
Veröffentlicht: (2025)

Power Failure Cascade Prediction using Graph Neural Networks
von: Chadaga, Sathwik, et al.
Veröffentlicht: (2024)

Neural Network-Based Piecewise Survival Models
von: Holmer, Olov, et al.
Veröffentlicht: (2024)

NAPER: Fault Protection for Real-Time Resource-Constrained Deep Neural Networks
von: Rajagede, Rian Adam, et al.
Veröffentlicht: (2025)

Real-Time Decision-Making for Digital Twin in Additive Manufacturing with Model Predictive Control using Time-Series Deep Neural Networks
von: Chen, Yi-Ping, et al.
Veröffentlicht: (2025)

CIKAN: Constraint Informed Kolmogorov-Arnold Networks for Autonomous Spacecraft Rendezvous using Time Shift Governor
von: Kim, Taehyeun, et al.
Veröffentlicht: (2024)

Verification and Validation of Physics-Informed Surrogate Component Models for Dynamic Power-System Simulation
von: Ellinas, Petros, et al.
Veröffentlicht: (2026)

Assumed Density Filtering and Smoothing with Neural Network Surrogate Models
von: Kuang, Simon, et al.
Veröffentlicht: (2025)

SOLIS: Physics-Informed Learning of Interpretable Neural Surrogates for Nonlinear Systems
von: Mansur, Murat Furkan, et al.
Veröffentlicht: (2026)

iRadioDiff: Physics-Informed Diffusion Model for Indoor Radio Map Construction and Localization
von: Wang, Xiucheng, et al.
Veröffentlicht: (2025)