Buchumschlag

Physically-informed change-point kernels for structural dynamics

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pitchforth, Daniel James, Jones, Matthew Rhys, Gibson, Samuel John, Cross, Elizabeth Jane
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

Deep graph kernel point processes
von: Dong, Zheng, et al.
Veröffentlicht: (2023)

Physics-informed kernel learning
von: Doumèche, Nathan, et al.
Veröffentlicht: (2024)

Reproduction of scan B-statistic for kernel change-point detection algorithm
von: Wang, Zihan
Veröffentlicht: (2024)

Green Physics-Informed Machine Learning Models For Structural Health Monitoring
von: Bradley, Daisy R, et al.
Veröffentlicht: (2026)

Physics-informed Multiple-Input Operators for efficient dynamic response prediction of structures
von: Ahmed, Bilal, et al.
Veröffentlicht: (2025)

When does compositional structure yield compositional generalization? A kernel theory
von: Lippl, Samuel, et al.
Veröffentlicht: (2024)

Meta-models for transfer learning in source localisation
von: Bull, Lawrence A., et al.
Veröffentlicht: (2023)

Learning functions, operators and dynamical systems with kernels
von: Rosasco, Lorenzo
Veröffentlicht: (2025)

Active learning for regression in engineering populations: A risk-informed approach
von: Clarkson, Daniel R., et al.
Veröffentlicht: (2024)

Learning solution operator of dynamical systems with diffusion maps kernel ridge regression
von: Song, Jiwoo, et al.
Veröffentlicht: (2025)

Physics-informed nonlinear vector autoregressive models for the prediction of dynamical systems
von: Adler, James H., et al.
Veröffentlicht: (2024)

Towards a Theory of AI Personhood
von: Ward, Francis Rhys
Veröffentlicht: (2025)

Fast kernel methods: Sobolev, physics-informed, and additive models
von: Doumèche, Nathan, et al.
Veröffentlicht: (2025)

Binary structured physics-informed neural networks for solving equations with rapidly changing solutions
von: Liu, Yanzhi, et al.
Veröffentlicht: (2024)

Predictive change point detection for heterogeneous data
von: Glock, Anna-Christina, et al.
Veröffentlicht: (2023)

Gradient dynamics for low-rank fine-tuning beyond kernels
von: Dayi, Arif Kerem, et al.
Veröffentlicht: (2024)

What happens to diffusion model likelihood when your model is conditional?
von: Cross, Mattias, et al.
Veröffentlicht: (2024)

Continuous-Time Analysis of Adaptive Optimization and Normalization
von: Gould, Rhys, et al.
Veröffentlicht: (2024)

Neural Conjugate Flows: Physics-informed architectures with flow structure
von: Bizzi, Arthur, et al.
Veröffentlicht: (2024)

Introducing physics-informed generative models for targeting structural novelty in the exploration of chemical space
von: Vasylenko, Andrij, et al.
Veröffentlicht: (2025)

A simple estimator of the correlation kernel matrix of a determinantal point process
von: Gouriéroux, Christian, et al.
Veröffentlicht: (2025)

Non-linear reduced modeling of dynamical systems using kernel methods and low-rank approximation
von: Héas, Patrick, et al.
Veröffentlicht: (2017)

Canonical-Correlation-Based Fast Feature Selection for Structural Health Monitoring
von: Zhang, Sikai, et al.
Veröffentlicht: (2021)

Strategies for training point distributions in physics-informed neural networks
von: Humagain, Santosh, et al.
Veröffentlicht: (2025)

Physics-informed sensor coverage through structure preserving machine learning
von: Shaffer, Benjamin David, et al.
Veröffentlicht: (2025)

Learning dissipative Hamiltonian dynamics with reproducing kernel Hilbert spaces and random Fourier features
von: Smith, Torbjørn, et al.
Veröffentlicht: (2024)

Conformal Blindness: A Note on $A$-Cryptic change-points
von: Szabadváry, Johan Hallberg
Veröffentlicht: (2026)

Physics-informed Gaussian Processes for Safe Envelope Expansion
von: Harp, D. Isaiah, et al.
Veröffentlicht: (2025)

Fair Representation in Parliamentary Summaries: Measuring and Mitigating Inclusion Bias
von: Cunningham, Eoghan, et al.
Veröffentlicht: (2025)

On the similarity of bandwidth-tuned quantum kernels and classical kernels
von: Flórez-Ablan, Roberto, et al.
Veröffentlicht: (2025)

Lipschitz bounds for integral kernels
von: Reverdi, Justin, et al.
Veröffentlicht: (2026)

Reservoir kernels and Volterra series
von: Gonon, Lukas, et al.
Veröffentlicht: (2022)

WISER: Segmenting watermarked region - an epidemic change-point perspective
von: Bonnerjee, Soham, et al.
Veröffentlicht: (2025)

Neural network-based CUSUM for online change-point detection
von: Gong, Tingnan, et al.
Veröffentlicht: (2022)

Geometric and dynamical analysis of attractor boundaries and storage limits in kernel Hopfield networks
von: Tamamori, Akira
Veröffentlicht: (2026)

AI-informed model-analogs for understanding subseasonal-to-seasonal jet stream and North American temperature predictability
von: Landsberg, Jacob B., et al.
Veröffentlicht: (2025)

Towards a population-informed approach to the definition of data-driven models for structural dynamics
von: Tsialiamanis, G., et al.
Veröffentlicht: (2023)

Non-variational supervised quantum kernel methods: a review
von: Tanner, John, et al.
Veröffentlicht: (2026)

Proxy-informed Bayesian transfer learning with unknown sources
von: Sloman, Sabina J., et al.
Veröffentlicht: (2024)

Sobolev norm inconsistency of kernel interpolation
von: Yang, Yunfei
Veröffentlicht: (2025)