Buchumschlag

SINDy on slow manifolds

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Delgado-Cano, Diemen, Kracht, Erick, Fasel, Urban, Herrmann, Benjamin
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Dynamical Systems Machine Learning Computational Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Interpretable low-order representation of eigenmode deformation in parameterized dynamical systems
von: Torres-Ulloa, Nicolas, et al.
Veröffentlicht: (2024)

Fourier Weak SINDy: Spectral Test Function Selection for Robust Model Identification
von: Chen, Zhiheng, et al.
Veröffentlicht: (2026)

Sparse Identification of Nonlinear Dynamics with Conformal Prediction
von: Fasel, Urban
Veröffentlicht: (2025)

SINDy-RL: Interpretable and Efficient Model-Based Reinforcement Learning
von: Zolman, Nicholas, et al.
Veröffentlicht: (2024)

LES-SINDy: Laplace-Enhanced Sparse Identification of Nonlinear Dynamical Systems
von: Zheng, Haoyang, et al.
Veröffentlicht: (2024)

ADAM-SINDy: An Efficient Optimization Framework for Parameterized Nonlinear Dynamical System Identification
von: Viknesh, Siva, et al.
Veröffentlicht: (2024)

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

Multi-objective SINDy for parameterized model discovery from single transient trajectory data
von: Lemus, Javier A., et al.
Veröffentlicht: (2024)

Guaranteed Stable Quadratic Models and their applications in SINDy and Operator Inference
von: Goyal, Pawan, et al.
Veröffentlicht: (2023)

Learning Beyond Experience: Generalizing to Unseen State Space with Reservoir Computing
von: Norton, Declan A., et al.
Veröffentlicht: (2025)

Invariant Measures in Time-Delay Coordinates for Unique Dynamical System Identification
von: Botvinick-Greenhouse, Jonah, et al.
Veröffentlicht: (2024)

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

Higher order quantum reservoir computing for non-intrusive reduced-order models
von: Jain, Vinamr, et al.
Veröffentlicht: (2024)

Rapid Bayesian identification of sparse nonlinear dynamics from scarce and noisy data
von: Fung, Lloyd, et al.
Veröffentlicht: (2024)

Stochastic and Non-local Closure Modeling for Nonlinear Dynamical Systems via Latent Score-based Generative Models
von: Dong, Xinghao, et al.
Veröffentlicht: (2025)

Data Denoising and Derivative Estimation for Data-Driven Modeling of Nonlinear Dynamical Systems
von: Yao, Jiaqi, et al.
Veröffentlicht: (2025)

Fast and Flexible Probabilistic Forecasting of Dynamical Systems using Flow Matching and Physical Perturbation
von: Rout, Siddharth, et al.
Veröffentlicht: (2025)

Consistent Projection of Langevin Dynamics: Preserving Thermodynamics and Kinetics in Coarse-Grained Models
von: Nateghi, Vahid, et al.
Veröffentlicht: (2025)

Governing equation discovery of a complex system from snapshots
von: Zhu, Qunxi, et al.
Veröffentlicht: (2024)

Fast and principled equation discovery from chaos to climate
von: Zhang, Yuzheng, et al.
Veröffentlicht: (2026)

Synergizing Transport-Based Generative Models and Latent Geometry for Stochastic Closure Modeling
von: Dong, Xinghao, et al.
Veröffentlicht: (2026)

Learning Macroscopic Dynamics from Partial Microscopic Observations
von: Chen, Mengyi, et al.
Veröffentlicht: (2024)

Automated Global Analysis of Experimental Dynamics through Low-Dimensional Linear Embeddings
von: Moore, Samuel A., et al.
Veröffentlicht: (2024)

Hierarchy of extreme-event predictability in turbulence revealed by machine learning
von: Yang, Yuxuan, et al.
Veröffentlicht: (2026)

Centre manifold theorem for maps along manifolds of fixed points
von: MacDonald, Lachlan Ewen
Veröffentlicht: (2026)

Error estimation for physics-informed neural networks with implicit Runge-Kutta methods
von: Stiasny, Jochen, et al.
Veröffentlicht: (2024)

Deep Learning of Solver-Aware Turbulence Closures from Nudged LES Dynamics
von: Suriyanarayanan, Ashwin, et al.
Veröffentlicht: (2026)

Leveraging KANs For Enhanced Deep Koopman Operator Discovery
von: Nehma, George, et al.
Veröffentlicht: (2024)

Convergence of weak-SINDy Surrogate Models
von: Russo, Benjamin, et al.
Veröffentlicht: (2022)

Probabilistic Forecasting for Dynamical Systems with Missing or Imperfect Data
von: Rout, Siddharth, et al.
Veröffentlicht: (2025)

Streaming Operator Inference for Model Reduction of Large-Scale Dynamical Systems
von: Koike, Tomoki, et al.
Veröffentlicht: (2026)

Data-Driven Stochastic Closure Modeling via Conditional Diffusion Model and Neural Operator
von: Dong, Xinghao, et al.
Veröffentlicht: (2024)

Neural Integral Equations
von: Zappala, Emanuele, et al.
Veröffentlicht: (2022)

Physics-Informed Boundary Integral Networks (PIBI-Nets): A Data-Driven Approach for Solving Partial Differential Equations
von: Nagy-Huber, Monika, et al.
Veröffentlicht: (2023)

Learning About Structural Errors in Models of Complex Dynamical Systems
von: Wu, Jin-Long, et al.
Veröffentlicht: (2023)

Physics-informed State-space Neural Networks for Transport Phenomena
von: Dave, Akshay J., et al.
Veröffentlicht: (2023)

Multi evolutional deep neural networks (Multi-EDNN)
von: Kim, Hadden, et al.
Veröffentlicht: (2024)

Machine learning identifies nullclines in oscillatory dynamical systems
von: Prokop, Bartosz, et al.
Veröffentlicht: (2025)

Ensemble forecasts in reproducing kernel Hilbert space family
von: Dufée, Benjamin, et al.
Veröffentlicht: (2022)

Parameter-Aware Ensemble SINDy for Interpretable Symbolic SGS Closure
von: Kang, Hanseul, et al.
Veröffentlicht: (2025)