Buchumschlag

A unified framework for equation discovery and dynamic prediction of hysteretic systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Siyuan, Liu, Wei, Lai, Zhilu
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computational Engineering, Finance, and Science
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A computational framework for evaluating tire-asphalt hysteretic friction including pavement roughness
von: Ban, Ivana, et al.
Veröffentlicht: (2025)

Neural Preconditioning Operator for Efficient PDE Solves
von: Li, Zhihao, et al.
Veröffentlicht: (2025)

Transforming physics-informed machine learning to convex optimization
von: Yi, Letian, et al.
Veröffentlicht: (2025)

KP-PINNs: Kernel Packet Accelerated Physics Informed Neural Networks
von: Yang, Siyuan, et al.
Veröffentlicht: (2025)

Parameter estimation of structural dynamics with neural operators enabled surrogate modeling
von: Zhou, Mingyuan, et al.
Veröffentlicht: (2024)

A survey on multi-fidelity surrogates for simulators with functional outputs: unified framework and benchmark
von: Brunel, Lucas, et al.
Veröffentlicht: (2024)

IDS-Net: A novel framework for few-shot photovoltaic power prediction with interpretable dynamic selection and feature information fusion
von: Fan, Hang, et al.
Veröffentlicht: (2025)

Transferring self-supervised pre-trained models for SHM data anomaly detection with scarce labeled data
von: Zhou, Mingyuan, et al.
Veröffentlicht: (2024)

Operator-based machine learning framework for generalizable prediction of unsteady treatment dynamics in stormwater infrastructure
von: Shatarah, Mohamed, et al.
Veröffentlicht: (2025)

A GPU-boosted high-performance multi-working condition joint analysis framework for predicting dynamics of textured axial piston pump
von: Yao, Xin, et al.
Veröffentlicht: (2025)

A new unified arc-length method for damage mechanics problems
von: Saji, Roshan Philip, et al.
Veröffentlicht: (2023)

Accelerating scientific discovery with the common task framework
von: Kutz, J. Nathan, et al.
Veröffentlicht: (2025)

Interpretable domain knowledge enhanced machine learning framework on axial capacity prediction of circular CFST columns
von: Wang, Dian, et al.
Veröffentlicht: (2024)

An efficient framework for computing sensitivity of modal-related structural dynamic characteristics with multi-parameters
von: Huang, Kai, et al.
Veröffentlicht: (2025)

GrainGNN: A dynamic graph neural network for predicting 3D grain microstructure
von: Qin, Yigong, et al.
Veröffentlicht: (2024)

Inverse prediction of capacitor multiphysics dynamic parameters using deep generative model
von: Lim, Kart-Leong, et al.
Veröffentlicht: (2026)

Automated model discovery of finite strain elastoplasticity from uniaxial experiments
von: Jadoon, Asghar A., et al.
Veröffentlicht: (2024)

A spatiotemporal deep learning framework for prediction of crack dynamics in heterogeneous solids: efficient mapping of concrete microstructures to its fracture properties
von: Koopas, Rasoul Najafi, et al.
Veröffentlicht: (2024)

A blockchain-based intelligent recommender system framework for enhancing supply chain resilience
von: Hu, Yang
Veröffentlicht: (2024)

Accurate and efficient predictions of keyhole dynamics in laser materials processing using machine learning-aided simulations
von: Zhang, Jiahui, et al.
Veröffentlicht: (2024)

Benchmarking formalisms for dynamic structure system Modeling and Simulation
von: Attia, Aya, et al.
Veröffentlicht: (2024)

Adaptive Material Fingerprinting for the fast discovery of polyconvex feature combinations in isotropic and anisotropic hyperelasticity
von: Flaschel, Moritz, et al.
Veröffentlicht: (2026)

An efficient open-source framework for high-fidelity 3D surface topography and roughness prediction in milling
von: Bakhshan, Hadi, et al.
Veröffentlicht: (2026)

GeOT: A spatially explicit framework for evaluating spatio-temporal predictions
von: Wiedemann, Nina, et al.
Veröffentlicht: (2024)

Hetero-EUCLID: Interpretable model discovery for heterogeneous hyperelastic materials using stress-unsupervised learning
von: Chaurasiya, Kanhaiya Lal, et al.
Veröffentlicht: (2025)

Closed-loop geothermal systems: Modeling and predictions
von: Adhikari, K., et al.
Veröffentlicht: (2024)

A computational framework for predicting the effect of surface roughness in fatigue
von: Jiménez-Alfaro, S., et al.
Veröffentlicht: (2025)

Non-smooth optimization meets automated material model discovery
von: Flaschel, Moritz, et al.
Veröffentlicht: (2025)

Unsupervised Material Fingerprinting: Ultra-fast hyperelastic model discovery from full-field experimental measurements
von: Flaschel, Moritz, et al.
Veröffentlicht: (2026)

Option pricing model under the G-expectation framework
von: Pei, Ziting, et al.
Veröffentlicht: (2026)

Material Fingerprinting: A shortcut to material model discovery without solving optimization problems
von: Flaschel, Moritz, et al.
Veröffentlicht: (2025)

Using high-fidelity discrete element simulation to calibrate an expeditious terramechanics model in a multibody dynamics framework
von: Zhang, Yuemin, et al.
Veröffentlicht: (2024)

Accurate and generalizable protein-ligand binding affinity prediction with geometric deep learning
von: Li, Krinos, et al.
Veröffentlicht: (2025)

A differentiable structural analysis framework for high-performance design optimization
von: Lee, Keith J., et al.
Veröffentlicht: (2024)

AIonopedia: an LLM agent orchestrating multimodal learning for ionic liquid discovery
von: Yin, Yuqi, et al.
Veröffentlicht: (2025)

MambaStock: Selective state space model for stock prediction
von: Shi, Zhuangwei
Veröffentlicht: (2024)

A parametric framework for kernel-based dynamic mode decomposition using deep learning
von: Kevopoulos, Konstantinos, et al.
Veröffentlicht: (2024)

An improved point-to-surface contact algorithm with penalty method for peridynamics
von: Zhang, Haoran, et al.
Veröffentlicht: (2024)

A computational framework to predict weld integrity and microstructural heterogeneity: application to hydrogen transmission
von: Wijnen, J., et al.
Veröffentlicht: (2024)

A physics-augmented neural network framework for finite strain incompressible viscoelasticity
von: Kalina, Karl A., et al.
Veröffentlicht: (2025)