Buchumschlag

Employing Deep Neural Operators for PDE control by decoupling training and optimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lundqvist, Oliver G. S., Oliveira, Fabricio
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Optimization and Control Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Adaptive Neural-Operator Backstepping Control of a Benchmark Hyperbolic PDE
von: Lamarque, Maxence, et al.
Veröffentlicht: (2024)

Gain Scheduling with a Neural Operator for a Transport PDE with Nonlinear Recirculation
von: Lamarque, Maxence, et al.
Veröffentlicht: (2024)

A space-decoupling framework for optimization on bounded-rank matrices with orthogonally invariant constraints
von: Yang, Yan, et al.
Veröffentlicht: (2025)

Geometric Neural Operators (GNPs) for Data-Driven Deep Learning of Non-Euclidean Operators
von: Quackenbush, Blaine, et al.
Veröffentlicht: (2024)

Policy Optimization for PDE Control with a Warm Start
von: Zhang, Xiangyuan, et al.
Veröffentlicht: (2024)

Layerwise goal-oriented adaptivity for neural ODEs: an optimal control perspective
von: Hintermüller, Michael, et al.
Veröffentlicht: (2026)

Introduction to optimization methods for training SciML models
von: Kopaničáková, Alena, et al.
Veröffentlicht: (2026)

A deep learning method for solving stochastic optimal control problems driven by fully-coupled FBSDEs
von: Ji, Shaolin, et al.
Veröffentlicht: (2022)

Artificial Intelligence for Operations Research: Revolutionizing the Operations Research Process
von: Fan, Zhenan, et al.
Veröffentlicht: (2024)

Stabilizing reinforcement learning control: A modular framework for optimizing over all stable behavior
von: Lawrence, Nathan P., et al.
Veröffentlicht: (2023)

Employing Federated Learning for Training Autonomous HVAC Systems
von: Hagström, Fredrik, et al.
Veröffentlicht: (2024)

Optimal Control Operator Perspective and a Neural Adaptive Spectral Method
von: Feng, Mingquan, et al.
Veröffentlicht: (2024)

Trilevel and Multilevel Optimization using Monotone Operator Theory
von: Shafiei, Allahkaram, et al.
Veröffentlicht: (2021)

Wasserstein gradient flow for optimal probability measure decomposition
von: Han, Jiangze, et al.
Veröffentlicht: (2024)

Deep FlexQP: Accelerated Nonlinear Programming via Deep Unfolding
von: Oshin, Alex, et al.
Veröffentlicht: (2025)

Deep learning enhanced mixed integer optimization: Learning to reduce model dimensionality
von: Triantafyllou, Niki, et al.
Veröffentlicht: (2024)

Neural Hamiltonian Operator
von: Qi, Qian
Veröffentlicht: (2025)

Gain-Only Neural Operators for PDE Backstepping
von: Vazquez, Rafael, et al.
Veröffentlicht: (2024)

From Product Hilbert Spaces to the Generalized Koopman Operator and the Nonlinear Fundamental Lemma
von: Lazar, Mircea
Veröffentlicht: (2025)

Learning the Riccati solution operator for time-varying LQR via Deep Operator Networks
von: Chen, Jun, et al.
Veröffentlicht: (2026)

OR-LLM-Agent: Automating Modeling and Solving of Operations Research Optimization Problems with Reasoning LLM
von: Zhang, Bowen, et al.
Veröffentlicht: (2025)

Mixed variable structural optimization using mixed variable system Monte Carlo tree search formulation
von: Ko, Fu-Yao, et al.
Veröffentlicht: (2023)

OR-R1: Automating Modeling and Solving of Operations Research Optimization Problem via Test-Time Reinforcement Learning
von: Ding, Zezhen, et al.
Veröffentlicht: (2025)

Enhancing kidney transplantation through multi-agent kidney exchange programs: A comprehensive review and optimization models
von: Sharifi, Shayan
Veröffentlicht: (2025)

Knowledge Transfer based Evolutionary Deep Neural Network for Intelligent Fault Diagnosis
von: Sharma, Arun K., et al.
Veröffentlicht: (2021)

LinSATNet: The Positive Linear Satisfiability Neural Networks
von: Wang, Runzhong, et al.
Veröffentlicht: (2024)

A Convexity-dependent Two-Phase Training Algorithm for Deep Neural Networks
von: Hrycej, Tomas, et al.
Veröffentlicht: (2025)

An Improved Finite-time Analysis of Temporal Difference Learning with Deep Neural Networks
von: Ke, Zhifa, et al.
Veröffentlicht: (2024)

Mathematical Programming Models for Exact and Interpretable Formulation of Neural Networks
von: Ataei, Masoud, et al.
Veröffentlicht: (2025)

Towards a constructive framework for control theory
von: Osinenko, Pavel
Veröffentlicht: (2025)

Exact alternative optima for nonlinear optimization problems defined with maximum component objective function constrained by the Sugeno-Weber fuzzy relational inequalities
von: Ghodousian, Amin, et al.
Veröffentlicht: (2025)

Deep Reinforcement Learning for Flexible Job Shop Scheduling with Random Job Arrivals
von: Tang, Yu, et al.
Veröffentlicht: (2026)

Safe Decentralized Operation of EV Virtual Power Plant with Limited Network Visibility via Multi-Agent Reinforcement Learning
von: Huang, Chenghao, et al.
Veröffentlicht: (2026)

A Method to Improve the Performance of Reinforcement Learning Based on the Y Operator for a Class of Stochastic Differential Equation-Based Child-Mother Systems
von: Yin, Cheng, et al.
Veröffentlicht: (2023)

A Dual Certificate Approach to Sparsity in Infinite-Width Shallow Neural Networks
von: Del Grande, Leonardo, et al.
Veröffentlicht: (2026)

Stability-Preserving Online Adaptation of Neural Closed-loop Maps
von: Saccani, Danilo, et al.
Veröffentlicht: (2026)

On the Convergence of Overparameterized Problems: Inherent Properties of the Compositional Structure of Neural Networks
von: de Oliveira, Arthur Castello Branco, et al.
Veröffentlicht: (2025)

Test-Time Search in Neural Graph Coarsening Procedures for the Capacitated Vehicle Routing Problem
von: Sim, Yoonju, et al.
Veröffentlicht: (2025)

Hybrid Metaheuristic Vehicle Routing Problem for Security Dispatch Operations
von: Vu, Nguyen Gia Hien, et al.
Veröffentlicht: (2025)

Tutorial on amortized optimization
von: Amos, Brandon
Veröffentlicht: (2022)