:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dwivedi, Vikas, Schiassi, Enrico, Sigovan, Monica, Sixou, Bruno
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2510.01039
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Kernel-Adaptive PI-ELMs for Forward and Inverse Problems in PDEs with Sharp Gradients
von: Dwivedi, Vikas, et al.
Veröffentlicht: (2025)

Soft Partition-based KAPI-ELM for Multi-Scale PDEs
von: Dwivedi, Vikas, et al.
Veröffentlicht: (2026)

Meta-Learned Basis Adaptation for Parametric Linear PDEs
von: Dwivedi, Vikas, et al.
Veröffentlicht: (2026)

Curriculum Learning-Driven PIELMs for Fluid Flow Simulations
von: Dwivedi, Vikas, et al.
Veröffentlicht: (2025)

Uncertainty Quantification for Forward and Inverse Problems of PDEs via Latent Global Evolution
von: Wu, Tailin, et al.
Veröffentlicht: (2024)

Global versus Local: Evaluating AlexNet Architectures for Tropical Cyclone Intensity Estimation
von: Dwivedi, Vikas
Veröffentlicht: (2024)

Gaussian Process Regression for Inverse Problems in Linear PDEs
von: Li, Xin, et al.
Veröffentlicht: (2025)

Least Squares with Equality constraints Extreme Learning Machines for the resolution of PDEs
von: De Falco, Davide Elia, et al.
Veröffentlicht: (2025)

Unifying and extending Diffusion Models through PDEs for solving Inverse Problems
von: Dasgupta, Agnimitra, et al.
Veröffentlicht: (2025)

Invertible Fourier Neural Operators for Tackling Both Forward and Inverse Problems
von: Long, Da, et al.
Veröffentlicht: (2024)

Distributed physics informed neural network for data-efficient solution to partial differential equations
von: Dwivedi, Vikas, et al.
Veröffentlicht: (2019)

Latent Neural Operator for Solving Forward and Inverse PDE Problems
von: Wang, Tian, et al.
Veröffentlicht: (2024)

Mono-Forward: Revisiting Forward-Forward through Objective-Locality Decomposition
von: Gong, James, et al.
Veröffentlicht: (2025)

Constrained Particle Seeking: Solving Diffusion Inverse Problems with Just Forward Passes
von: Dou, Hongkun, et al.
Veröffentlicht: (2026)

BENO: Boundary-embedded Neural Operators for Elliptic PDEs
von: Wang, Haixin, et al.
Veröffentlicht: (2024)

PICS in Pics: Physics Informed Contour Selection for Rapid Image Segmentation
von: Dwivedi, Vikas, et al.
Veröffentlicht: (2023)

Inverse Problems with Learned Forward Operators
von: Arridge, Simon, et al.
Veröffentlicht: (2023)

TAEN: A Model-Constrained Tikhonov Autoencoder Network for Forward and Inverse Problems
von: Nguyen, Hai V., et al.
Veröffentlicht: (2024)

Robust Non-negative Proximal Gradient Algorithm for Inverse Problems
von: Wang, Hanzhang, et al.
Veröffentlicht: (2025)

On Inverse Problems, Parameter Estimation, and Domain Generalization
von: Pereg, Deborah
Veröffentlicht: (2025)

Moonwalk: Inverse-Forward Differentiation
von: Krylov, Dmitrii, et al.
Veröffentlicht: (2024)

A Deep Neural Network Framework for Solving Forward and Inverse Problems in Delay Differential Equations
von: Wang, Housen, et al.
Veröffentlicht: (2024)

Bayesian Physics-Informed Extreme Learning Machine for Forward and Inverse PDE Problems with Noisy Data
von: Liu, Xu, et al.
Veröffentlicht: (2022)

Convolution Operator Network for Forward and Inverse Problems (FI-Conv): Application to Plasma Turbulence Simulations
von: Chen, Xingzhuo, et al.
Veröffentlicht: (2026)

Consistency Regularised Gradient Flows for Inverse Problems
von: Spagnoletti, Alessio, et al.
Veröffentlicht: (2026)

Lotka-Sharpe Neural Operators for Control of Population PDEs
von: Krstic, Miroslav, et al.
Veröffentlicht: (2026)

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

Exact Evaluation of the Accuracy of Diffusion Models for Inverse Problems with Gaussian Data Distributions
von: Pierret, Emile, et al.
Veröffentlicht: (2025)

CoCoGen: Physically-Consistent and Conditioned Score-based Generative Models for Forward and Inverse Problems
von: Jacobsen, Christian, et al.
Veröffentlicht: (2023)

GenPANIS: A Latent-Variable Generative Framework for Forward and Inverse PDE Problems in Multiphase Media
von: Chatzopoulos, Matthaios, et al.
Veröffentlicht: (2026)

Denoising Diffusion Restoration Tackles Forward and Inverse Problems for the Laplace Operator
von: Mukherjee, Amartya, et al.
Veröffentlicht: (2024)

Recovery Guarantees of Unsupervised Neural Networks for Inverse Problems trained with Gradient Descent
von: Buskulic, Nathan, et al.
Veröffentlicht: (2024)

X-SAM: Boosting Sharpness-Aware Minimization with Dominant-Eigenvector Gradient Correction
von: Duan, Hongru, et al.
Veröffentlicht: (2026)

Sensitivity-Constrained Fourier Neural Operators for Forward and Inverse Problems in Parametric Differential Equations
von: Behroozi, Abdolmehdi, et al.
Veröffentlicht: (2025)

Neural Integral Operators for Inverse Problems: An Operator-Learning Framework for Small-Sample Spectroscopic Classification
von: Zappala, Emanuele, et al.
Veröffentlicht: (2025)

GCSAM: Gradient Centralized Sharpness Aware Minimization
von: Hassan, Mohamed, et al.
Veröffentlicht: (2025)

A Unified Framework for Forward and Inverse Problems in Subsurface Imaging using Latent Space Translations
von: Gupta, Naveen, et al.
Veröffentlicht: (2024)

A Gradient Flow Approach to Solving Inverse Problems with Latent Diffusion Models
von: Wang, Tim Y. J., et al.
Veröffentlicht: (2025)

A Gaussian Process Framework for Solving Forward and Inverse Problems Involving Nonlinear Partial Differential Equations
von: Mora, Carlos, et al.
Veröffentlicht: (2024)

Diffusion State-Guided Projected Gradient for Inverse Problems
von: Zirvi, Rayhan, et al.
Veröffentlicht: (2024)