:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Patel, Mridul
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Numerical Analysis
Online-Zugang:	https://arxiv.org/abs/2510.10877
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Machine Learning Model for Solving Lane-Emden Equation using Legendre Wavelet Neural Network
von: Patel, Vijay Kumar, et al.
Veröffentlicht: (2024)

Beyond Loss Guidance: Using PDE Residuals as Spectral Attention in Diffusion Neural Operators
von: Sawhney, Medha, et al.
Veröffentlicht: (2025)

Machine Learning for highly oscillatory differential equations
von: Bouchereau, Maxime
Veröffentlicht: (2026)

Physics-based Machine Learning for Computational Fracture Mechanics
von: Aldakheel, Fadi, et al.
Veröffentlicht: (2025)

PCELM: Perturbation-Correction Extreme Learning Machine for the Stefan problem
von: Liu, Wenjie, et al.
Veröffentlicht: (2026)

Using the Newton-Raphson Method with Automatic Differentiation to Numerically Solve Implied Volatility of Stock Option through Binomial Model
von: Wunkaew, Wanchaloem, et al.
Veröffentlicht: (2022)

Reactive Transport Modeling with Physics-Informed Machine Learning for Critical Minerals Applications
von: Adhikari, K., et al.
Veröffentlicht: (2025)

Operator Learning at Machine Precision
von: Bacho, Aras, et al.
Veröffentlicht: (2025)

Generalization Error Estimates of Machine Learning Methods for Solving High Dimensional Schrödinger Eigenvalue Problems
von: Yu, Hao, et al.
Veröffentlicht: (2024)

Quantifying Correlations of Machine Learning Models
von: Li, Yuanyuan, et al.
Veröffentlicht: (2025)

A Machine Learning and Finite Element Framework for Inverse Elliptic PDEs via Dirichlet-to-Neumann Mapping
von: Park, Dabin, et al.
Veröffentlicht: (2025)

Singularity Formation: Synergy in Theoretical, Numerical and Machine Learning Approaches
von: Wang, Yixuan
Veröffentlicht: (2026)

Eig-PIELM: A Mesh-Free Approach for Efficient Eigen-Analysis with Physics-Informed Extreme Learning Machines
von: Mishra, Rishi, et al.
Veröffentlicht: (2025)

Solving PDEs on Unknown Manifolds with Machine Learning
von: Liang, Senwei, et al.
Veröffentlicht: (2021)

On the Limits of Interpretable Machine Learning in Quintic Root Classification
von: Thomas, Rohan, et al.
Veröffentlicht: (2026)

Quantum Error Detection For Early Term Fault-Tolerant Quantum Algorithms
von: Ginsberg, Tom, et al.
Veröffentlicht: (2025)

On the Cyclostationary Linear Inverse Models: A Mathematical Insight and Implication
von: Lien, Justin, et al.
Veröffentlicht: (2024)

Machine Learning-Based Nonlinear Nudging for Chaotic Dynamical Systems
von: Oh, Jaemin, et al.
Veröffentlicht: (2025)

Scalable Mechanistic Neural Networks for Differential Equations and Machine Learning
von: Chen, Jiale, et al.
Veröffentlicht: (2024)

Computational Advantages of Multi-Grade Deep Learning: Convergence Analysis and Performance Insights
von: Fang, Ronglong, et al.
Veröffentlicht: (2025)

Isogeometric Simulation and Shape Optimization with Applications to Electrical Machines
von: Gangl, Peter, et al.
Veröffentlicht: (2018)

Computational Control of Nonlinear Partial Differential Equations Using Machine Learning
von: Kurbanov, Maximilian, et al.
Veröffentlicht: (2026)

Recent and Upcoming Developments in Randomized Numerical Linear Algebra for Machine Learning
von: Dereziński, Michał, et al.
Veröffentlicht: (2024)

Machine learning-based parameter optimization for Müntz spectral methods
von: Zeng, Wei, et al.
Veröffentlicht: (2025)

Turing meets Moore-Penrose: Computing the Pseudoinverse on Turing Machines
von: Boche, Holger, et al.
Veröffentlicht: (2022)

Variational (Energy-Based) Spectral Learning: A Machine Learning Framework for Solving Partial Differential Equations
von: Hammad, M. M.
Veröffentlicht: (2026)

From Obstacle Problems to Neural Insights: Feed Forward Neural Network Modeling of Ice Thickness
von: Chawla, Kapil, et al.
Veröffentlicht: (2024)

Weak Form Scientific Machine Learning: Test Function Construction for System Identification
von: Tran, April, et al.
Veröffentlicht: (2025)

Towards Foundation Models for Scientific Machine Learning: Characterizing Scaling and Transfer Behavior
von: Subramanian, Shashank, et al.
Veröffentlicht: (2023)

Parametric Intrusive Reduced Order Models enhanced with Machine Learning Correction Terms
von: Ivagnes, Anna, et al.
Veröffentlicht: (2024)

An Orthogonal Polynomial Kernel-Based Machine Learning Model for Differential-Algebraic Equations
von: Taheri, Tayebeh, et al.
Veröffentlicht: (2024)

An Overview on Machine Learning Methods for Partial Differential Equations: from Physics Informed Neural Networks to Deep Operator Learning
von: Gonon, Lukas, et al.
Veröffentlicht: (2024)

Machine Learning Algorithms to Assess Site Closure Time Frames for Soil and Groundwater Contamination
von: Le, Vu-Anh, et al.
Veröffentlicht: (2024)

Computational Insights into Orthotropic Fracture: Crack-Tip Fields in Strain-Limiting Materials under Non-Uniform Loads
von: Ghosh, Saugata, et al.
Veröffentlicht: (2025)

Scientific Applications Leveraging Randomized Linear Algebra
von: Patel, Vivak, et al.
Veröffentlicht: (2025)

Matrix Calculus (for Machine Learning and Beyond)
von: Bright, Paige, et al.
Veröffentlicht: (2025)

Performance of Machine Learning Methods for Gravity Inversion: Successes and Challenges
von: Negahdari, Vahid, et al.
Veröffentlicht: (2025)

Escaping Spectral Bias without Backpropagation: Fast Implicit Neural Representations with Extreme Learning Machines
von: Cho, Woojin, et al.
Veröffentlicht: (2026)

A Physics-Informed Machine Learning Approach for Solving Distributed Order Fractional Differential Equations
von: Aghaei, Alireza Afzal
Veröffentlicht: (2024)

A novel difference equation approach for the stability and robustness of compact schemes for variable coefficient PDEs
von: Goswami, Anindya, et al.
Veröffentlicht: (2022)