Buchumschlag

Improved Training Strategies for Physics-Informed Neural Networks using Real Experimental Data in Aluminum Spot Welding

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zak, Jan A., Weißenfels, Christian
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

Improved Training of Physics-Informed Neural Networks with Model Ensembles
von: Haitsiukevich, Katsiaryna, et al.
Veröffentlicht: (2022)

Architectural Strategies for the optimization of Physics-Informed Neural Networks
von: Saratchandran, Hemanth, et al.
Veröffentlicht: (2024)

Guided Diffusion by Optimized Loss Functions on Relaxed Parameters for Inverse Material Design
von: Kreber, Jens U., et al.
Veröffentlicht: (2026)

Iterative Training of Physics-Informed Neural Networks with Fourier-enhanced Features
von: Wu, Yulun, et al.
Veröffentlicht: (2025)

Lightweight Geometric Adaptation for Training Physics-Informed Neural Networks
von: An, Kang, et al.
Veröffentlicht: (2026)

Randomized Physics-Informed Neural Networks for Bayesian Data Assimilation
von: Zong, Yifei, et al.
Veröffentlicht: (2024)

E-PINNs: Epistemic Physics-Informed Neural Networks
von: Jacob, Bruno, et al.
Veröffentlicht: (2025)

Scalable Back-Propagation-Free Training of Optical Physics-Informed Neural Networks
von: Zhao, Yequan, et al.
Veröffentlicht: (2025)

Label Propagation Training Schemes for Physics-Informed Neural Networks and Gaussian Processes
von: Zhong, Ming, et al.
Veröffentlicht: (2024)

Data vs. Physics: The Apparent Pareto Front of Physics-Informed Neural Networks
von: Rohrhofer, Franz M., et al.
Veröffentlicht: (2021)

Physics-Informed Neural Networks for Shell Structures
von: Bastek, Jan-Hendrik, et al.
Veröffentlicht: (2022)

An Experimental Comparison of Partitioning Strategies for Distributed Graph Neural Network Training
von: Merkel, Nikolai, et al.
Veröffentlicht: (2023)

PICore: Physics-Informed Unsupervised Coreset Selection for Data Efficient Neural Operator Training
von: Satheesh, Anirudh, et al.
Veröffentlicht: (2025)

SGM-PINN: Sampling Graphical Models for Faster Training of Physics-Informed Neural Networks
von: Anticev, John, et al.
Veröffentlicht: (2024)

Efficient Continual Learning in Keyword Spotting using Binary Neural Networks
von: Vu, Quynh Nguyen-Phuong, et al.
Veröffentlicht: (2025)

Physics-Informed Neural Networks for Dynamic Process Operations with Limited Physical Knowledge and Data
von: Velioglu, Mehmet, et al.
Veröffentlicht: (2024)

Conformalized Physics-Informed Neural Networks
von: Podina, Lena, et al.
Veröffentlicht: (2024)

On the Role of Consistency Between Physics and Data in Physics-Informed Neural Networks
von: Becerra-Zuniga, Nicolás, et al.
Veröffentlicht: (2026)

Dual Natural Gradient Descent for Scalable Training of Physics-Informed Neural Networks
von: Jnini, Anas, et al.
Veröffentlicht: (2025)

ConFIG: Towards Conflict-free Training of Physics Informed Neural Networks
von: Liu, Qiang, et al.
Veröffentlicht: (2024)

Symmetry-Informed Graph Neural Networks for Carbon Dioxide Isotherm and Adsorption Prediction in Aluminum-Substituted Zeolites
von: Petković, Marko, et al.
Veröffentlicht: (2025)

Physics-Informed Neural Network for Predicting Out-of-Training-Range TCAD Solution with Minimized Domain Expertise
von: Lu, Albert, et al.
Veröffentlicht: (2024)

Explaining Neural Networks without Access to Training Data
von: Marton, Sascha, et al.
Veröffentlicht: (2022)

Enhancing Stability of Physics-Informed Neural Network Training Through Saddle-Point Reformulation
von: Bylinkin, Dmitry, et al.
Veröffentlicht: (2025)

Convergence of Implicit Gradient Descent for Training Two-Layer Physics-Informed Neural Networks
von: Xu, Xianliang, et al.
Veröffentlicht: (2024)

Drug Release Modeling using Physics-Informed Neural Networks
von: Qureshi, Daanish Aleem, et al.
Veröffentlicht: (2026)

Inverse Modeling of Dielectric Response in Time Domain using Physics-Informed Neural Networks
von: Esenov, Emir, et al.
Veröffentlicht: (2025)

Self-Adaptive Physics-Informed Neural Networks using a Soft Attention Mechanism
von: McClenny, Levi, et al.
Veröffentlicht: (2020)

Online Traffic Density Estimation using Physics-Informed Neural Networks
von: Wilkman, Dennis, et al.
Veröffentlicht: (2025)

Complex Physics-Informed Neural Network
von: Si, Chenhao, et al.
Veröffentlicht: (2025)

Adapting Physics-Informed Neural Networks to Improve ODE Optimization in Mosquito Population Dynamics
von: Cuong, Dinh Viet, et al.
Veröffentlicht: (2024)

Preconditioning for Physics-Informed Neural Networks
von: Liu, Songming, et al.
Veröffentlicht: (2024)

Physics-Informed Neural Networks and Extensions
von: Raissi, Maziar, et al.
Veröffentlicht: (2024)

Relaxation-Informed Training of Neural Network Surrogate Models
von: Tsay, Calvin
Veröffentlicht: (2026)

Training of Physical Neural Networks
von: Momeni, Ali, et al.
Veröffentlicht: (2024)

Solving Forward and Inverse Problems of Contact Mechanics using Physics-Informed Neural Networks
von: Sahin, T., et al.
Veröffentlicht: (2023)

Statistical Learning Analysis of Physics-Informed Neural Networks
von: Barajas-Solano, David A.
Veröffentlicht: (2026)

Physical Informed Neural Networks for modeling ocean pollutant
von: Battina, Karishma, et al.
Veröffentlicht: (2025)

Fourier Feature Pyramids for Physics-Informed Neural Networks
von: Zhao, Brandon, et al.
Veröffentlicht: (2026)

Functional Tensor Decompositions for Physics-Informed Neural Networks
von: Vemuri, Sai Karthikeya, et al.
Veröffentlicht: (2024)