Buchumschlag

Localization of Impacts on Thin-Walled Structures by Recurrent Neural Networks: End-to-end Learning from Real-World Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Humer, Alexander, Grasboeck, Lukas, Benjeddou, Ayech
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

Assessment of Time-of-Arrival Estimation Methods for Impact Detection in Isotropic Plates using Piezoceramic Sensors
von: Grasboeck, Lukas, et al.
Veröffentlicht: (2026)

Deep learning applied to computational mechanics: A comprehensive review, state of the art, and the classics
von: Vu-Quoc, Loc, et al.
Veröffentlicht: (2022)

Impact of Recurrent Neural Networks and Deep Learning Frameworks on Real-time Lightweight Time Series Anomaly Detection
von: Lee, Ming-Chang, et al.
Veröffentlicht: (2024)

Continuous-Time Piecewise-Linear Recurrent Neural Networks
von: Brändle, Alena, et al.
Veröffentlicht: (2026)

Realistic CDSS Drug Dosing with End-to-end Recurrent Q-learning for Dual Vasopressor Control
von: Zou, Will Y., et al.
Veröffentlicht: (2025)

Dynamics and Representation Structure of Local Approximations to Gradient-Based Learning in Linear Recurrent Neural Networks
von: Williams, Ezekiel, et al.
Veröffentlicht: (2026)

Extensional Properties of Recurrent Neural Networks
von: Dantsin, Evgeny, et al.
Veröffentlicht: (2024)

Recurrent Neural Networks with Linear Structures for Electricity Price Forecasting
von: Amor, Souhir Ben, et al.
Veröffentlicht: (2025)

PPNet: A Two-Stage Neural Network for End-to-end Path Planning
von: Meng, Qinglong, et al.
Veröffentlicht: (2024)

SLIDE: A machine-learning based method for forced dynamic response estimation of multibody systems
von: Manzl, Peter, et al.
Veröffentlicht: (2024)

End-to-end Automated Deep Neural Network Optimization for PPG-based Blood Pressure Estimation on Wearables
von: Carlucci, Francesco, et al.
Veröffentlicht: (2026)

Reinforcement Learning as an Improvement Heuristic for Real-World Production Scheduling
von: Müller, Arthur, et al.
Veröffentlicht: (2024)

Deep Riemannian Networks for End-to-End EEG Decoding
von: Wilson, Daniel, et al.
Veröffentlicht: (2022)

Time-Warping Recurrent Neural Networks for Transfer Learning
von: Hirschi, Jonathon
Veröffentlicht: (2026)

End-to-end Feature Selection Approach for Learning Skinny Trees
von: Ibrahim, Shibal, et al.
Veröffentlicht: (2023)

Recurrent Neural Networks for Modelling Gross Primary Production
von: Montero, David, et al.
Veröffentlicht: (2024)

Investigating Action Encodings in Recurrent Neural Networks in Reinforcement Learning
von: Schlegel, Matthew, et al.
Veröffentlicht: (2026)

Temporal Graph Learning Recurrent Neural Network for Traffic Forecasting
von: Lee, Sanghyun, et al.
Veröffentlicht: (2024)

Scalable Learning in Structured Recurrent Spiking Neural Networks without Backpropagation
von: Tang, Bo, et al.
Veröffentlicht: (2026)

No Soundness in the Real World: On the Challenges of the Verification of Deployed Neural Networks
von: Szász, Attila, et al.
Veröffentlicht: (2025)

End-to-end Conditional Robust Optimization
von: Chenreddy, Abhilash, et al.
Veröffentlicht: (2024)

Spectral Pruning for Recurrent Neural Networks
von: Furuya, Takashi, et al.
Veröffentlicht: (2021)

Investigating Sparsity in Recurrent Neural Networks
von: Darji, Harshil
Veröffentlicht: (2024)

ParaRNN: An Interpretable and Parallelizable Recurrent Neural Network for Time-Dependent Data
von: Cai, Yuxi, et al.
Veröffentlicht: (2026)

Neural Operator Learning for Long-Time Integration in Dynamical Systems with Recurrent Neural Networks
von: Michałowska, Katarzyna, et al.
Veröffentlicht: (2023)

End-to-end Kernel Learning via Generative Random Fourier Features
von: Fang, Kun, et al.
Veröffentlicht: (2020)

Development of an End-to-end Machine Learning System with Application to In-app Purchases
von: Varelas, Dionysios, et al.
Veröffentlicht: (2024)

Data-Driven Dynamic Friction Models based on Recurrent Neural Networks
von: Cortes, Gaëtan, et al.
Veröffentlicht: (2024)

End-to-End Identifiable and Consistent Recurrent Switching Dynamical Systems
von: Balsells-Rodas, Carles, et al.
Veröffentlicht: (2026)

Neural Co-state Policies: Structuring Hidden States in Recurrent Reinforcement Learning
von: Leeftink, David, et al.
Veröffentlicht: (2026)

From Imitation to Exploration: End-to-end Autonomous Driving based on World Model
von: Li, Yueyuan, et al.
Veröffentlicht: (2024)

Advancing Regular Language Reasoning in Linear Recurrent Neural Networks
von: Fan, Ting-Han, et al.
Veröffentlicht: (2023)

End-to-End Heterogeneous Graph Neural Networks for Traffic Assignment
von: Liu, Tong, et al.
Veröffentlicht: (2023)

Convergence Analysis of Real-time Recurrent Learning (RTRL) for a class of Recurrent Neural Networks
von: Lam, Samuel Chun-Hei, et al.
Veröffentlicht: (2025)

An Uncertainty Principle for Linear Recurrent Neural Networks
von: François, Alexandre, et al.
Veröffentlicht: (2025)

Weight-Space Linear Recurrent Neural Networks
von: Nzoyem, Roussel Desmond, et al.
Veröffentlicht: (2025)

Generalization and Risk Bounds for Recurrent Neural Networks
von: Cheng, Xuewei, et al.
Veröffentlicht: (2024)

CoinRobot: Generalized End-to-end Robotic Learning for Physical Intelligence
von: Zhao, Yu, et al.
Veröffentlicht: (2025)

Unraveling the Hidden Dynamical Structure in Recurrent Neural Policies
von: Li, Jin, et al.
Veröffentlicht: (2026)

Enhance Sample Efficiency and Robustness of End-to-end Urban Autonomous Driving via Semantic Masked World Model
von: Gao, Zeyu, et al.
Veröffentlicht: (2022)