Buchumschlag

Floating-Body Hydrodynamic Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Tianshuo, Zhai, Wenzhe, Yann, Rui, Gao, Jia, Cao, He, Xing, Xianglei
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

Shackled Dancing: A Bit-Locked Diffusion Algorithm for Lossless and Controllable Image Steganography
von: Zhang, Tianshuo, et al.
Veröffentlicht: (2025)

SemiOccam: A Robust Semi-Supervised Image Recognition Network Using Sparse Labels
von: Yann, Rui, et al.
Veröffentlicht: (2025)

Floating-Point Neural Network Verification at the Software Level
von: Manino, Edoardo, et al.
Veröffentlicht: (2025)

Applying Self-supervised Learning to Network Intrusion Detection for Network Flows with Graph Neural Network
von: Xu, Renjie, et al.
Veröffentlicht: (2024)

Perseus: Leveraging Common Data Patterns with Curriculum Learning for More Robust Graph Neural Networks
von: Xia, Kaiwen, et al.
Veröffentlicht: (2024)

Hysteresis-Aware Neural Network Modeling and Whole-Body Reinforcement Learning Control of Soft Robots
von: Chen, Zongyuan, et al.
Veröffentlicht: (2025)

Expressive Power of Floating-Point Neural Networks with Arbitrary Reduction Orders and Inexact Activation Implementations
von: Park, Yeachan, et al.
Veröffentlicht: (2026)

The Hidden Power of Pure 16-bit Floating-Point Neural Networks
von: Yun, Juyoung, et al.
Veröffentlicht: (2023)

Floating-Point Networks with Automatic Differentiation Can Represent Almost All Floating-Point Functions and Their Gradients
von: Park, Sejun, et al.
Veröffentlicht: (2026)

Floating-Point Neural Networks Are Provably Robust Universal Approximators
von: Hwang, Geonho, et al.
Veröffentlicht: (2025)

TAO: Tolerance-Aware Optimistic Verification for Floating-Point Neural Networks
von: Yao, Jianzhu, et al.
Veröffentlicht: (2025)

Gradient Descent Robustly Learns the Intrinsic Dimension of Data in Training Convolutional Neural Networks
von: Zhang, Chenyang, et al.
Veröffentlicht: (2025)

A Comprehensive Survey of Dynamic Graph Neural Networks: Models, Frameworks, Benchmarks, Experiments and Challenges
von: Feng, ZhengZhao, et al.
Veröffentlicht: (2024)

Stress Predictions in Polycrystal Plasticity using Graph Neural Networks with Subgraph Training
von: Zhai, Hanfeng
Veröffentlicht: (2024)

BIGNet: Pretrained Graph Neural Network for Embedding Semantic, Spatial, and Topological Data in BIM Models
von: Han, Jin, et al.
Veröffentlicht: (2025)

Integrating Physics and Topology in Neural Networks for Learning Rigid Body Dynamics
von: Wei, Amaury, et al.
Veröffentlicht: (2024)

Relating-Up: Advancing Graph Neural Networks through Inter-Graph Relationships
von: Zou, Qi, et al.
Veröffentlicht: (2024)

Probabilistic Functional Neural Networks
von: Wang, Haixu, et al.
Veröffentlicht: (2025)

Multi-scale Dynamic Wake Modeling and Prediction of Floating Offshore Wind Turbines via Physics-Informed Neural Networks and Fourier Neural Operators
von: Dong, Guodan, et al.
Veröffentlicht: (2026)

Advancing Solutions for the Three-Body Problem Through Physics-Informed Neural Networks
von: Pereira, Manuel Santos, et al.
Veröffentlicht: (2025)

Just How Flexible are Neural Networks in Practice?
von: Shwartz-Ziv, Ravid, et al.
Veröffentlicht: (2024)

Understanding the Benefits of SimCLR Pre-Training in Two-Layer Convolutional Neural Networks
von: Zhang, Han, et al.
Veröffentlicht: (2024)

On the Expressive Power of Floating-Point Transformers
von: Park, Sejun, et al.
Veröffentlicht: (2026)

Less is More: Efficient Weight Farcasting with 1-Layer Neural Network
von: Shou, Xiao, et al.
Veröffentlicht: (2025)

Learning Particle Dynamics Subject to Rigid Body Manipulations Using Graph Neural Networks
von: Midlagajni, Niteesh, et al.
Veröffentlicht: (2025)

Deep Neural Networks with 3D Point Clouds for Empirical Friction Measurements in Hydrodynamic Flood Models
von: Haces-Garcia, Francisco, et al.
Veröffentlicht: (2024)

AMOSL: Adaptive Modality-wise Structure Learning in Multi-view Graph Neural Networks For Enhanced Unified Representation
von: Liang, Peiyu, et al.
Veröffentlicht: (2024)

SparseMap: A Sparse Tensor Accelerator Framework Based on Evolution Strategy
von: Zhao, Boran, et al.
Veröffentlicht: (2025)

Parameter-Free Structural-Diversity Message Passing for Graph Neural Networks
von: Kong, Mingyue, et al.
Veröffentlicht: (2025)

Bayesian Neighborhood Adaptation for Graph Neural Networks
von: Regmi, Paribesh, et al.
Veröffentlicht: (2026)

Sparse Covariance Neural Networks
von: Cavallo, Andrea, et al.
Veröffentlicht: (2024)

Hybrid Physical-Neural Simulator for Fast Cosmological Hydrodynamics
von: Thomsen, Arne, et al.
Veröffentlicht: (2025)

A Mesh-Adaptive Hypergraph Neural Network for Unsteady Flow Around Oscillating and Rotating Structures
von: Gao, Rui, et al.
Veröffentlicht: (2025)

Relaxed Equivariant Graph Neural Networks
von: Hofgard, Elyssa, et al.
Veröffentlicht: (2024)

Lorentzian Residual Neural Networks
von: He, Neil, et al.
Veröffentlicht: (2024)

ES-GNN: Generalizing Graph Neural Networks Beyond Homophily with Edge Splitting
von: Guo, Jingwei, et al.
Veröffentlicht: (2022)

A Finite Element-Inspired Hypergraph Neural Network: Application to Fluid Dynamics Simulations
von: Gao, Rui, et al.
Veröffentlicht: (2022)

Expressive Power of ReLU and Step Networks under Floating-Point Operations
von: Park, Yeachan, et al.
Veröffentlicht: (2024)

Neural Networks for Censored Expectile Regression Based on Data Augmentation
von: Cao, Wei, et al.
Veröffentlicht: (2025)

DSGNN: A Dual-View Supergrid-Aware Graph Neural Network for Regional Air Quality Estimation
von: Zhang, Xin, et al.
Veröffentlicht: (2024)