Buchumschlag

Explicit and Effectively Symmetric Schemes for Neural SDEs on Lie Groups

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shmelev, Daniil, Thompson, Luke, Salvi, Cristopher
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Numerical Analysis
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Sparse Signature Coefficient Recovery via Kernels
von: Shmelev, Daniil, et al.
Veröffentlicht: (2024)

Explicit and Effectively Symmetric Runge-Kutta Methods
von: Shmelev, Daniil, et al.
Veröffentlicht: (2025)

pySigLib -- Fast Signature-Based Computations on CPU and GPU
von: Shmelev, Daniil, et al.
Veröffentlicht: (2025)

Stable and Near-Reversible Diffusion ODE Solvers for Image Editing
von: Barancikova, Barbora, et al.
Veröffentlicht: (2026)

Neural Parameter Regression for Explicit Representations of PDE Solution Operators
von: Mundinger, Konrad, et al.
Veröffentlicht: (2024)

Lie Algebra Canonicalization: Equivariant Neural Operators under arbitrary Lie Groups
von: Shumaylov, Zakhar, et al.
Veröffentlicht: (2024)

An Explicit Scheme for Pathwise XVA Computations
von: Abbas-Turki, Lokman, et al.
Veröffentlicht: (2024)

On the Dimension-Free Approximation of Deep Neural Networks for Symmetric Korobov Functions
von: Lu, Yulong, et al.
Veröffentlicht: (2025)

Neural Galerkin Schemes with Active Learning for High-Dimensional Evolution Equations
von: Bruna, Joan, et al.
Veröffentlicht: (2022)

Quantitative Convergences of Lie Group Momentum Optimizers
von: Kong, Lingkai, et al.
Veröffentlicht: (2024)

Stochastic Fractional Neural Operators: A Symmetrized Approach to Modeling Turbulence in Complex Fluid Dynamics
von: Santos, Rômulo Damasclin Chaves dos, et al.
Veröffentlicht: (2025)

An Explicit Euler-type Scheme for Lévy-driven SDEs with Superlinear and Time-Irregular Coefficients
von: Biswas, Sani, et al.
Veröffentlicht: (2025)

ERGNN: Spectral Graph Neural Network With Explicitly-Optimized Rational Graph Filters
von: Li, Guoming, et al.
Veröffentlicht: (2024)

Semi-Explicit Neural DAEs: Learning Long-Horizon Dynamical Systems with Algebraic Constraints
von: Pal, Avik, et al.
Veröffentlicht: (2025)

Self-Supervised Learning with Lie Symmetries for Partial Differential Equations
von: Mialon, Grégoire, et al.
Veröffentlicht: (2023)

Kinetic Langevin Splitting Schemes for Constrained Sampling
von: Chada, Neil K., et al.
Veröffentlicht: (2026)

Interpretable AI-Assisted Early Reliability Prediction for a Two-Parameter Parallel Root-Finding Scheme
von: Carpentieri, Bruno, et al.
Veröffentlicht: (2026)

Rough kernel hedging
von: Cirone, Nicola Muca, et al.
Veröffentlicht: (2025)

Soliton profiles: Classical Numerical Schemes vs. Neural Network - Based Solvers
von: Haight, Chandler, et al.
Veröffentlicht: (2025)

Learning from Integral Losses in Physics Informed Neural Networks
von: Saleh, Ehsan, et al.
Veröffentlicht: (2023)

Sampling from Bayesian Neural Network Posteriors with Symmetric Minibatch Splitting Langevin Dynamics
von: Paulin, Daniel, et al.
Veröffentlicht: (2024)

Multifidelity Covariance Estimation via Regression on the Manifold of Symmetric Positive Definite Matrices
von: Maurais, Aimee, et al.
Veröffentlicht: (2023)

Group-invariant tensor train networks for supervised learning
von: Sprangers, Brent, et al.
Veröffentlicht: (2022)

Riemannian Langevin Dynamics: Strong Convergence of Geometric Euler-Maruyama Scheme
von: Zhan, Zhiyuan, et al.
Veröffentlicht: (2026)

Training Stiff Neural Ordinary Differential Equations with Explicit Exponential Integration Methods
von: Fronk, Colby, et al.
Veröffentlicht: (2024)

Neural Low-Discrepancy Sequences
von: Van Huffel, Michael Etienne, et al.
Veröffentlicht: (2025)

Continuum Attention for Neural Operators
von: Calvello, Edoardo, et al.
Veröffentlicht: (2024)

Multigrade Neural Network Approximation
von: Zhang, Shijun, et al.
Veröffentlicht: (2026)

THINNs: Thermodynamically Informed Neural Networks
von: Castro, Javier, et al.
Veröffentlicht: (2025)

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

Graph Neural Regularizers for PDE Inverse Problems
von: Lauga, William, et al.
Veröffentlicht: (2025)

Neural Measures for learning distributions of Random PDEs
von: Arampatzis, Georgios, et al.
Veröffentlicht: (2025)

Dual-Balancing for Physics-Informed Neural Networks
von: Zhou, Chenhong, et al.
Veröffentlicht: (2025)

Physics-Informed Geometry-Aware Neural Operator
von: Zhong, Weiheng, et al.
Veröffentlicht: (2024)

A Mathematical Analysis of Neural Operator Behaviors
von: Le, Vu-Anh, et al.
Veröffentlicht: (2024)

Neural topology optimization: the good, the bad, and the ugly
von: Sanu, Suryanarayanan Manoj, et al.
Veröffentlicht: (2024)

Estimating condition number with Graph Neural Networks
von: Carson, Erin, et al.
Veröffentlicht: (2026)

Numerical Schemes for Signature Kernels
von: Cass, Thomas, et al.
Veröffentlicht: (2025)

Multi-Level Monte Carlo Training of Neural Operators
von: Rowbottom, James, et al.
Veröffentlicht: (2025)

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