Buchumschlag

IDENT Review: Recent Advances in Identification of Differential Equations from Noisy Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	He, Roy Y., Liu, Hao, Liao, Wenjing, Kang, Sung Ha
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Numerical Analysis
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

WG-IDENT: Weak Group Identification of PDEs with Varying Coefficients
von: Tang, Cheng, et al.
Veröffentlicht: (2025)

PriorIDENT: Prior-Informed PDE Identification from Noisy Data
von: Tang, Cheng, et al.
Veröffentlicht: (2026)

Identification of Differential Equations by Dynamics-Guided Weighted Weak Form with Voting
von: Cheng, Jiahui, et al.
Veröffentlicht: (2025)

Stoch-IDENT: New Method and Mathematical Analysis for Identifying SPDEs from Data
von: Cui, Jianbo, et al.
Veröffentlicht: (2025)

Phase-IDENT: Identification of Two-phase PDEs with Uncertainty Quantification
von: Yang, Edward L., et al.
Veröffentlicht: (2026)

A Formalization of Image Vectorization by Region Merging
von: He, Roy Y., et al.
Veröffentlicht: (2024)

Lattice Identification and Separation: Theory and Algorithm
von: He, Yuchen, et al.
Veröffentlicht: (2018)

An Energy Stable Approach for Learning Derivative Operators from Noisy Data for Maxwells Equations
von: Obieke, Victory, et al.
Veröffentlicht: (2026)

Solving Partial Differential Equations with Random Feature Models
von: Liao, Chunyang
Veröffentlicht: (2024)

Data-driven Methods for Delay Differential Equations
von: Breda, Dimitri, et al.
Veröffentlicht: (2025)

Data-Driven Model Reduction using WeldNet: Windowed Encoders for Learning Dynamics
von: Dahal, Biraj, et al.
Veröffentlicht: (2025)

Transformers for Learning on Noisy and Task-Level Manifolds: Approximation and Generalization Insights
von: Shen, Zhaiming, et al.
Veröffentlicht: (2025)

A Multi-Level Deep Framework for Deep Solvers of Partial Differential Equations
von: Yang, Yu, et al.
Veröffentlicht: (2026)

Texture Edge detection by Patch consensus (TEP)
von: Cui, Guangyu, et al.
Veröffentlicht: (2024)

Data-Guided Physics-Informed Neural Networks for Solving Inverse Problems in Partial Differential Equations
von: Zhou, Wei, et al.
Veröffentlicht: (2024)

Recent Advances in Numerical Solutions for Hamilton-Jacobi PDEs
von: Meng, Tingwei, et al.
Veröffentlicht: (2025)

A Structurally Informed Data Assimilation Approach for Nonlinear Partial Differential Equations
von: Li, Tongtong, et al.
Veröffentlicht: (2023)

Active-Set Identification in Noisy and Stochastic Optimization
von: Curtis, Frank E., et al.
Veröffentlicht: (2025)

Automatic Differentiation is Essential in Training Neural Networks for Solving Differential Equations
von: Chen, Chuqi, et al.
Veröffentlicht: (2024)

A Spectral Localization Method for Time-Fractional Integro-Differential Equations with Nonsmooth Data
von: Zhao, Lijing, et al.
Veröffentlicht: (2025)

Newton Informed Neural Operator for Computing Multiple Solutions of Nonlinear Partials Differential Equations
von: Hao, Wenrui, et al.
Veröffentlicht: (2024)

Stochastic Parareal Algorithm for Stochastic Differential Equations
von: Wang, Huanxin, et al.
Veröffentlicht: (2025)

Encoded Forward Backward Stochastic Neural Network for High-Dimensional Backward Stochastic Differential Equations and Parabolic Partial Differential Equations
von: Zhang, Zhao, et al.
Veröffentlicht: (2026)

PDEformer-1: A Foundation Model for One-Dimensional Partial Differential Equations
von: Ye, Zhanhong, et al.
Veröffentlicht: (2024)

Least-Squares Neural Network (LSNN) Method for Scalar Hyperbolic Partial Differential Equations
von: Liu, Min, et al.
Veröffentlicht: (2026)

Data Generation-based Operator Learning for Solving Partial Differential Equations on Unbounded Domains
von: Wang, Jihong, et al.
Veröffentlicht: (2023)

Data-driven Discovery of Delay Differential Equations with Discrete Delays
von: Pecile, Alessandro, et al.
Veröffentlicht: (2024)

Continuous Data Assimilation for the Navier-Stokes Equations with Nonlinear Slip Boundary Conditions
von: Wu, W. C., et al.
Veröffentlicht: (2025)

The Neural Network Approach to Inverse Problems in Differential Equations
von: Xu, Kailai, et al.
Veröffentlicht: (2019)

Deep Finite Volume Method for Partial Differential Equations
von: Cen, Jianhuan, et al.
Veröffentlicht: (2023)

PDEformer: Towards a Foundation Model for One-Dimensional Partial Differential Equations
von: Ye, Zhanhong, et al.
Veröffentlicht: (2024)

PDEformer-2: A Versatile Foundation Model for Two-Dimensional Partial Differential Equations
von: Ye, Zhanhong, et al.
Veröffentlicht: (2025)

PhysicsSolver: Transformer-Enhanced Physics-Informed Neural Networks for Forward and Forecasting Problems in Partial Differential Equations
von: Zhu, Zhenyi, et al.
Veröffentlicht: (2025)

Domain Decomposition Subspace Neural Network Method for Solving Linear and Nonlinear Partial Differential Equations
von: Fu, Zhenxing, et al.
Veröffentlicht: (2025)

Simultaneous Identification of Coefficients and Source in a Subdiffusion Equation from One Passive Measurement
von: Deng, Maolin, et al.
Veröffentlicht: (2025)

Observations on Recurrent Loss in the Neural Network Model of a Partial Differential Equation: the Advection-Diffusion Equation
von: Reeger, Jonah A.
Veröffentlicht: (2025)

Geometry-preserving Numerical Scheme for Riemannian Stochastic Differential Equations
von: Wang, Xi, et al.
Veröffentlicht: (2025)

Tangent Space Parametrization for Stochastic Differential Equations on SO(n)
von: Wang, Xi, et al.
Veröffentlicht: (2025)

Structure-Preserving Neural Ordinary Differential Equations for Stiff Systems
von: Loya, Allen Alvarez, et al.
Veröffentlicht: (2025)

Weak Random Feature Method for Solving Partial Differential Equations
von: Kuvakin, Mikhail, et al.
Veröffentlicht: (2025)