Buchumschlag

Operator Learning at Machine Precision

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bacho, Aras, Sorokin, Aleksei G., Yang, Xianjin, Bourdais, Théo, Calvello, Edoardo, Darcy, Matthieu, Hsu, Alexander, Hosseini, Bamdad, Owhadi, Houman
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

Solving Roughly Forced Nonlinear PDEs via Misspecified Kernel Methods and Neural Networks
von: Baptista, Ricardo, et al.
Veröffentlicht: (2025)

KROM: Kernelized Reduced Order Modeling
von: Bacho, Aras, et al.
Veröffentlicht: (2026)

Data-Efficient Kernel Methods for Learning Differential Equations and Their Solution Operators: Algorithms and Error Analysis
von: Jalalian, Yasamin, et al.
Veröffentlicht: (2025)

Minimal Variance Model Aggregation: A principled, non-intrusive, and versatile integration of black box models
von: Bourdais, Théo, et al.
Veröffentlicht: (2024)

A Mini-Batch Method for Solving Nonlinear PDEs with Gaussian Processes
von: Yang, Xianjin, et al.
Veröffentlicht: (2023)

Gaussian Measures Conditioned on Nonlinear Observations: Consistency, MAP Estimators, and Simulation
von: Chen, Yifan, et al.
Veröffentlicht: (2024)

Codiscovering graphical structure and functional relationships within data: A Gaussian Process framework for connecting the dots
von: Bourdais, Théo, et al.
Veröffentlicht: (2023)

Deflation-PINNs: Learning Multiple Solutions for PDEs and Landau-de Gennes
von: Disarò, Sean, et al.
Veröffentlicht: (2026)

Kernel Methods for Some Transport Equations with Application to Learning Kernels for the Approximation of Koopman Eigenfunctions: A Unified Approach via Variational Methods, Green's Functions and the Method of Characteristics
von: Hamzi, Boumediene, et al.
Veröffentlicht: (2026)

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

Operator Learning for Smoothing and Forecasting
von: Calvello, Edoardo, et al.
Veröffentlicht: (2026)

Ensemble Kalman Methods: A Mean Field Perspective
von: Calvello, Edoardo, et al.
Veröffentlicht: (2022)

Kernel Methods for the Approximation of the Eigenfunctions of the Koopman Operator
von: Lee, Jonghyeon, et al.
Veröffentlicht: (2024)

Kernel Methods for Stochastic Dynamical Systems with Application to Koopman Eigenfunctions: Feynman-Kac Representations and RKHS Approximation
von: Hamzi, Boumediene, et al.
Veröffentlicht: (2026)

Well-posedness of a fully nonlinear evolution inclusion of second order
von: Bacho, Aras
Veröffentlicht: (2022)

Data-efficient Kernel Methods for Learning Hamiltonian Systems
von: Jalalian, Yasamin, et al.
Veröffentlicht: (2025)

Nonsmooth Analysis of Doubly Nonlinear Second-Order Evolution Equations with Non-Convex Energy Functionals
von: Bacho, Aras
Veröffentlicht: (2019)

Empirical Bernstein and betting confidence intervals for randomized quasi-Monte Carlo
von: Jain, Aadit, et al.
Veröffentlicht: (2025)

Error Estimation for Physics-informed Neural Networks Approximating Semilinear Wave Equations
von: Lorenz, Beatrice, et al.
Veröffentlicht: (2024)

Quasi-Monte Carlo Methods: What, Why, and How?
von: Hickernell, Fred J., et al.
Veröffentlicht: (2025)

One Operator for Many Densities: Amortized Approximation of Conditioning by Neural Operators
von: Tsimpos, Panos, et al.
Veröffentlicht: (2026)

Error Analysis of Bayesian Inverse Problems with Generative Priors
von: Hosseini, Bamdad, et al.
Veröffentlicht: (2026)

An Approximation Theory Framework for Measure-Transport Sampling Algorithms
von: Baptista, Ricardo, et al.
Veröffentlicht: (2023)

Accuracy of the Ensemble Kalman Filter in the Near-Linear Setting
von: Calvello, Edoardo, et al.
Veröffentlicht: (2024)

What is a POLYNOMIAL-TIME Computable L2-Function?
von: Bacho, Aras, et al.
Veröffentlicht: (2026)

Sparse inverse Cholesky factorization of dense kernel matrices by greedy conditional selection
von: Huan, Stephen, et al.
Veröffentlicht: (2023)

Learning the Hodgkin-Huxley Model with Operator Learning Techniques
von: Centofanti, Edoardo, et al.
Veröffentlicht: (2024)

Pruning Deep Neural Networks via a Combination of the Marchenko-Pastur Distribution and Regularization
von: Berlyand, Leonid, et al.
Veröffentlicht: (2025)

Discovering Algorithms with Computational Language Processing
von: Bourdais, Theo, et al.
Veröffentlicht: (2025)

Diffeomorphic Measure Matching with Kernels for Generative Modeling
von: Pandey, Biraj, et al.
Veröffentlicht: (2024)

Solving Functional PDEs with Gaussian Processes and Applications to Functional Renormalization Group Equations
von: Yang, Xianjin, et al.
Veröffentlicht: (2025)

Sparse Cholesky Factorization for Solving Nonlinear PDEs via Gaussian Processes
von: Chen, Yifan, et al.
Veröffentlicht: (2023)

Learning High-dimensional Ionic Model Dynamics Using Fourier Neural Operators
von: Pellegrini, Luca, et al.
Veröffentlicht: (2025)

A Semi-Discrete Optimal Transport Scheme for the 3D Incompressible Semi-Geostrophic Equations
von: Lavier, Théo
Veröffentlicht: (2024)

Internal layer solutions and coefficient recovery in time-periodic reaction-diffusion-advection equations
von: Chaikovskii, Dmitrii, et al.
Veröffentlicht: (2025)

Kernel Methods for the Construction of Certified Lyapunov Functions via Approximate Koopman Eigenfunctions
von: Giesl, P., et al.
Veröffentlicht: (2026)

Learning Ecological and Epidemic Processes using Neural ODEs, Kolmogorov-Arnold Network ODEs and SINDy
von: Vasilyeva, Maria, et al.
Veröffentlicht: (2026)

Guaranteed Approximation Bounds for Mixed-Precision Neural Operators
von: Tu, Renbo, et al.
Veröffentlicht: (2023)

A Semi-Discrete Optimal Transport Scheme for the Semi-Geostrophic Slice Compressible Model
von: Lavier, Théo, et al.
Veröffentlicht: (2026)

Asymptotic solution for three-dimensional reaction-diffusion-advection equation with periodic boundary conditions
von: Liubavin, Aleksei, et al.
Veröffentlicht: (2025)