Buchumschlag

A Sparse Bayesian Learning Algorithm for Estimation of Interaction Kernels in Motsch-Tadmor Model

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Feng, Jinchao, Tang, Sui
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Dynamical Systems
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning Collective Behaviors from Observation
von: Feng, Jinchao, et al.
Veröffentlicht: (2023)

A Structure-Preserving Kernel Method for Learning Hamiltonian Systems
von: Hu, Jianyu, et al.
Veröffentlicht: (2024)

Adaptive Kernel Selection for Kernelized Diffusion Maps
von: Aboussaad, Othmane, et al.
Veröffentlicht: (2026)

Bayesian Transfer Operators in Reproducing Kernel Hilbert Spaces
von: Boshoff, Septimus, et al.
Veröffentlicht: (2025)

State Estimation Using Sparse DEIM and Recurrent Neural Networks
von: Farazmand, Mohammad
Veröffentlicht: (2024)

Dictionary learning for Kernel EDMD
von: Bolager, Erik Lien, et al.
Veröffentlicht: (2026)

Koopman Kernel Regression
von: Bevanda, Petar, et al.
Veröffentlicht: (2023)

Learning Transfer Operators by Kernel Density Estimation
von: Surasinghe, Sudam, et al.
Veröffentlicht: (2022)

Hyperparameter-Free Neurochaos Learning Algorithm for Classification
von: Henry, Akhila, et al.
Veröffentlicht: (2025)

Kernel Sum of Squares for Data Adapted Kernel Learning of Dynamical Systems from Data: A global optimization approach
von: Lengyel, Daniel, et al.
Veröffentlicht: (2024)

On using Machine Learning Algorithms for Motorcycle Collision Detection
von: Rodegast, Philipp, et al.
Veröffentlicht: (2024)

Data-efficient Kernel Methods for Learning Hamiltonian Systems
von: Jalalian, Yasamin, et al.
Veröffentlicht: (2025)

Reevaluating Meta-Learning Optimization Algorithms Through Contextual Self-Modulation
von: Nzoyem, Roussel Desmond, et al.
Veröffentlicht: (2024)

A Bayesian Framework for Symmetry Inference in Chaotic Attractors
von: Ghanem, Ziad, et al.
Veröffentlicht: (2025)

CEBoosting: Online Sparse Identification of Dynamical Systems with Regime Switching by Causation Entropy Boosting
von: Chen, Chuanqi, et al.
Veröffentlicht: (2023)

From Sparse Sensors to Continuous Fields: STRIDE for Spatiotemporal Reconstruction
von: Tong, Yanjie, et al.
Veröffentlicht: (2026)

Kernel Methods for Some Transport Equations with Application to Learning Kernels for the Approximation of Koopman Eigenfunctions: A Unified Approach via Variational Methods, Green's Functions and the Method of Characteristics
von: Hamzi, Boumediene, et al.
Veröffentlicht: (2026)

Learning Spatio-Temporal Dynamics via Operator-Valued RKHS and Kernel Koopman Methods
von: Withanachchi, Mahishanka
Veröffentlicht: (2025)

Sparse identification of nonlinear dynamics with library optimization mechanism: Recursive long-term prediction perspective
von: Yonezawa, Ansei, et al.
Veröffentlicht: (2025)

GN-SINDy: Greedy Sampling Neural Network in Sparse Identification of Nonlinear Partial Differential Equations
von: Forootani, Ali, et al.
Veröffentlicht: (2024)

Structure-Aware Variational Learning of a Class of Generalized Diffusions
von: Lu, Yubin, et al.
Veröffentlicht: (2026)

A Comparison of Parametric Dynamic Mode Decomposition Algorithms for Thermal-Hydraulics Applications
von: Riva, Stefano, et al.
Veröffentlicht: (2025)

LD-EnSF: Synergizing Latent Dynamics with Ensemble Score Filters for Fast Data Assimilation with Sparse Observations
von: Xiao, Pengpeng, et al.
Veröffentlicht: (2024)

A Training-Free Conditional Diffusion Model for Learning Stochastic Dynamical Systems
von: Liu, Yanfang, et al.
Veröffentlicht: (2024)

BINDy -- Bayesian identification of nonlinear dynamics with reversible-jump Markov-chain Monte-Carlo
von: Champneys, Max D., et al.
Veröffentlicht: (2024)

Augmented Regression Models using Neurochaos Learning
von: Henry, Akhila, et al.
Veröffentlicht: (2025)

Kernel Methods for the Approximation of the Eigenfunctions of the Koopman Operator
von: Lee, Jonghyeon, et al.
Veröffentlicht: (2024)

Navigating Uncertainties in Machine Learning for Structural Dynamics: A Comprehensive Survey of Probabilistic and Non-Probabilistic Approaches in Forward and Inverse Problems
von: Yan, Wang-Ji, et al.
Veröffentlicht: (2024)

CGKN: A Deep Learning Framework for Modeling Complex Dynamical Systems and Efficient Data Assimilation
von: Chen, Chuanqi, et al.
Veröffentlicht: (2024)

A Score Filter Enhanced Data Assimilation Framework for Data-Driven Dynamical Systems
von: Tang, Jingqiao, et al.
Veröffentlicht: (2026)

Sparse identification of quasipotentials via a combined data-driven method
von: Lin, Bo, et al.
Veröffentlicht: (2024)

Learning From Simulators: A Theory of Simulation-Grounded Learning
von: Dudley, Carson, et al.
Veröffentlicht: (2025)

Why and When Deep is Better than Shallow: Implementation-Agnostic State-Transition Model of Deep Learning
von: Sonoda, Sho, et al.
Veröffentlicht: (2025)

Adapting Projection-Based Reduced-Order Models using Projected Gaussian Process
von: Liu, Xiao, et al.
Veröffentlicht: (2024)

Bayesian dynamic mode decomposition for real-time ship motion digital twinning
von: Palma, Giorgio, et al.
Veröffentlicht: (2024)

Extracting Signal out of Chaos: Advancements on MAGI for Bayesian Analysis of Dynamical Systems
von: Wu, Skyler
Veröffentlicht: (2024)

Kernel Dynamics under Path Entropy Maximization
von: Das, Jnaneshwar
Veröffentlicht: (2026)

Dynamics-Informed Deep Learning for Predicting Extreme Events
von: Katsidoniotaki, Eirini, et al.
Veröffentlicht: (2026)

Optimizing Hard Thresholding for Sparse Model Discovery
von: Jollie, Derek W., et al.
Veröffentlicht: (2025)

Topological Detection of Phenomenological Bifurcations with Unreliable Kernel Densities
von: Tanweer, Sunia, et al.
Veröffentlicht: (2024)