Buchumschlag

Hierarchical Physics-Embedded Learning for Prediction and Discovery in Spatiotemporal Dynamical Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Xizhe, Song, Xiaobin, Jia, Qingshan, Sun, Hao, Zhao, Hongbo, Jiang, Benben
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

Adaptive Boosting with Fairness-aware Reweighting Technique for Fair Classification
von: Song, Xiaobin, et al.
Veröffentlicht: (2024)

PerFlow: Physics-Embedded Rectified Flow for Efficient Reconstruction and Uncertainty Quantification of Spatiotemporal Dynamics
von: Zhou, Hao, et al.
Veröffentlicht: (2026)

FairNet: Dynamic Fairness Correction without Performance Loss via Contrastive Conditional LoRA
von: Zhou, Songqi, et al.
Veröffentlicht: (2025)

Conservation-informed Graph Learning for Spatiotemporal Dynamics Prediction
von: Mi, Yuan, et al.
Veröffentlicht: (2024)

Learning from History: A Retrieval-Augmented Framework for Spatiotemporal Prediction
von: Jia, Hao, et al.
Veröffentlicht: (2025)

PIMRL: Physics-Informed Multi-Scale Recurrent Learning for Burst-Sampled Spatiotemporal Dynamics
von: Wan, Han, et al.
Veröffentlicht: (2025)

BatteryBERT for Realistic Battery Fault Detection Using Point-Masked Signal Modeling
von: Zhou, Songqi, et al.
Veröffentlicht: (2025)

Heterogeneous Federated Learning Systems for Time-Series Power Consumption Prediction with Multi-Head Embedding Mechanism
von: Syu, Jia-Hao, et al.
Veröffentlicht: (2025)

Geometry-aware Active Learning of Spatiotemporal Dynamic Systems
von: Zhang, Xizhuo, et al.
Veröffentlicht: (2025)

Improving Long-term Autoregressive Spatiotemporal Predictions: A Proof of Concept with Fluid Dynamics
von: Zhou, Hao, et al.
Veröffentlicht: (2025)

Hyperbolic Hierarchical Knowledge Graph Embeddings for Link Prediction in Low Dimensions
von: Zheng, Wenjie, et al.
Veröffentlicht: (2022)

Learning Spatiotemporal Dynamical Systems from Point Process Observations
von: Iakovlev, Valerii, et al.
Veröffentlicht: (2024)

Reinforcement Learning for Charging Optimization of Inhomogeneous Dicke Quantum Batteries
von: Song, Xiaobin, et al.
Veröffentlicht: (2025)

UnCLe: Towards Scalable Dynamic Causal Discovery in Non-linear Temporal Systems
von: Bi, Tingzhu, et al.
Veröffentlicht: (2025)

Learning Coupled System Dynamics under Incomplete Physical Constraints and Missing Data
von: Saha, Esha, et al.
Veröffentlicht: (2025)

Data-Driven Physics Embedded Dynamics with Predictive Control and Reinforcement Learning for Quadrupeds
von: Kotecha, Prakrut, et al.
Veröffentlicht: (2026)

Mitigating Accuracy-Robustness Trade-off via Balanced Multi-Teacher Adversarial Distillation
von: Zhao, Shiji, et al.
Veröffentlicht: (2023)

Representation Learning for Spatiotemporal Physical Systems
von: Qu, Helen, et al.
Veröffentlicht: (2026)

Dynamic Modes as Time Representation for Spatiotemporal Forecasting
von: Kong, Menglin, et al.
Veröffentlicht: (2025)

Fully Convolutional Spatiotemporal Learning for Microstructure Evolution Prediction
von: Trimboli, Michael, et al.
Veröffentlicht: (2026)

Hierarchical Meta-Reinforcement Learning via Automated Macro-Action Discovery
von: Cho, Minjae, et al.
Veröffentlicht: (2024)

Dynamic Causal Structure Discovery and Causal Effect Estimation
von: Wang, Jianian, et al.
Veröffentlicht: (2025)

Heterogeneous Federated Learning System for Sparse Healthcare Time-Series Prediction
von: Syu, Jia-Hao, et al.
Veröffentlicht: (2025)

SplitFT: An Adaptive Federated Split Learning System For LLMs Fine-Tuning
von: Shan, Yimeng, et al.
Veröffentlicht: (2026)

Neural Point Process for Learning Spatiotemporal Event Dynamics
von: Zhou, Zihao, et al.
Veröffentlicht: (2021)

Distributed Multi-Head Learning Systems for Power Consumption Prediction
von: Syu, Jia-Hao, et al.
Veröffentlicht: (2025)

Video Prediction of Dynamic Physical Simulations With Pixel-Space Spatiotemporal Transformers
von: Slack, Dean L, et al.
Veröffentlicht: (2025)

Arbitrarily Conditioned Hierarchical Flows for Spatiotemporal Events
von: Chen, Keyan, et al.
Veröffentlicht: (2026)

Spatiotemporal Graph Learning with Direct Volumetric Information Passing and Feature Enhancement
von: Mi, Yuan, et al.
Veröffentlicht: (2024)

Learning Hierarchical Interaction for Accurate Molecular Property Prediction
von: Hong, Huiyang, et al.
Veröffentlicht: (2025)

Network Embedding via Deep Prediction Model
von: Sun, Xin, et al.
Veröffentlicht: (2021)

Disentangled Unsupervised Skill Discovery for Efficient Hierarchical Reinforcement Learning
von: Hu, Jiaheng, et al.
Veröffentlicht: (2024)

Hierarchical Multi-Relational Graph Representation Learning for Large-Scale Prediction of Drug-Drug Interactions
von: Jiang, Mengying, et al.
Veröffentlicht: (2024)

Spatiotemporal Wildfire Prediction and Reinforcement Learning for Helitack Suppression
von: Mathur, Shaurya, et al.
Veröffentlicht: (2026)

Causal Adjacency Learning for Spatiotemporal Prediction Over Graphs
von: Mo, Zhaobin, et al.
Veröffentlicht: (2024)

SAUC: Sparsity-Aware Uncertainty Calibration for Spatiotemporal Prediction with Graph Neural Networks
von: Zhuang, Dingyi, et al.
Veröffentlicht: (2024)

Learning State-Space Models of Dynamic Systems from Arbitrary Data using Joint Embedding Predictive Architectures
von: Ulmen, Jonas, et al.
Veröffentlicht: (2025)

Discovering High-Strength Alloys via Physics-Transfer Learning
von: Zhao, Yingjie, et al.
Veröffentlicht: (2024)

A Physics-Informed Spatiotemporal Deep Learning Framework for Turbulent Systems
von: Menicali, Luca, et al.
Veröffentlicht: (2025)

TMetaNet: Topological Meta-Learning Framework for Dynamic Link Prediction
von: Li, Hao, et al.
Veröffentlicht: (2025)