Buchumschlag

Learning solution operator of dynamical systems with diffusion maps kernel ridge regression

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Song, Jiwoo, Huang, Daning, Harlim, John
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

Learning Coarse-Grained Dynamics on Graph
von: Yu, Yin, et al.
Veröffentlicht: (2024)

A model-free method for discovering symmetry in differential equations
von: Kreider, Max, et al.
Veröffentlicht: (2025)

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

Robust, randomized preconditioning for kernel ridge regression
von: Díaz, Mateo, et al.
Veröffentlicht: (2023)

A randomized algorithm to solve reduced rank operator regression
von: Turri, Giacomo, et al.
Veröffentlicht: (2023)

Training-free score-based diffusion for parameter-dependent stochastic dynamical systems
von: Yang, Minglei, et al.
Veröffentlicht: (2026)

Learning solution operators of PDEs defined on varying domains via MIONet
von: Xiao, Shanshan, et al.
Veröffentlicht: (2024)

DPG loss functions for learning parameter-to-solution maps by neural networks
von: Castillo, Pablo Cortés, et al.
Veröffentlicht: (2025)

A Higher Order Local Mesh Method for Approximating 1-Laplacians on Unknown Manifolds
von: Peoples, John Wilson, et al.
Veröffentlicht: (2024)

A deformation-based framework for learning solution mappings of PDEs defined on varying domains
von: Xiao, Shanshan, et al.
Veröffentlicht: (2024)

Adaptive recurrent flow map operator learning for reaction diffusion dynamics
von: Tunc, Huseyin
Veröffentlicht: (2026)

Finetuning greedy kernel models by exchange algorithms
von: Wenzel, Tizian, et al.
Veröffentlicht: (2024)

Resolution invariant deep operator network for PDEs with complex geometries
von: Huang, Jianguo, et al.
Veröffentlicht: (2024)

Stable neural networks and connections to continuous dynamical systems
von: Ehrhardt, Matthias J., et al.
Veröffentlicht: (2025)

Learning cardiac activation and repolarization times with operator learning
von: Centofanti, Edoardo, et al.
Veröffentlicht: (2025)

Christoffel-DPS: Optimal sensor placement in diffusion posterior sampling for arbitrary distributions
von: Rowbottom, James, et al.
Veröffentlicht: (2026)

A local approach to parameter space reduction for regression and classification tasks
von: Romor, Francesco, et al.
Veröffentlicht: (2021)

Solving forward and inverse PDE problems on unknown manifolds via physics-informed neural operators
von: Jiao, Anran, et al.
Veröffentlicht: (2024)

Flow-based Bayesian filtering for high-dimensional nonlinear stochastic dynamical systems
von: Wang, Xintong, et al.
Veröffentlicht: (2025)

Stochastic generative methods for stable and accurate closure modeling of chaotic dynamical systems
von: Williams, Emily, et al.
Veröffentlicht: (2025)

RL-PINNs: Reinforcement Learning-Driven Adaptive Sampling for Efficient Training of PINNs
von: Song, Zhenao
Veröffentlicht: (2025)

Variationally correct operator learning: Reduced basis neural operator with a posteriori error estimation
von: Qiu, Yuan, et al.
Veröffentlicht: (2025)

Mathematical analysis of singularities in the diffusion model under the submanifold assumption
von: Lu, Yubin, et al.
Veröffentlicht: (2023)

Nonlinear model reduction for operator learning
von: Eivazi, Hamidreza, et al.
Veröffentlicht: (2024)

Generating synthetic data for neural operators
von: Hasani, Erisa, et al.
Veröffentlicht: (2024)

Variational operator learning: A unified paradigm marrying training neural operators and solving partial differential equations
von: Xu, Tengfei, et al.
Veröffentlicht: (2023)

Convergence analysis of kernel learning FBSDE filter
von: Lyu, Yunzheng, et al.
Veröffentlicht: (2024)

Wasserstein Bounds for generative diffusion models with Gaussian tail targets
von: Wang, Xixian, et al.
Veröffentlicht: (2024)

Global Description of Flutter Dynamics via Koopman Theory
von: Song, Jiwoo, et al.
Veröffentlicht: (2025)

Deep set based operator learning with uncertainty quantification
von: Ma, Lei, et al.
Veröffentlicht: (2025)

Physics-Informed DeepONets for drift-diffusion on metric graphs: simulation and parameter identification
von: Blechschmidt, Jan, et al.
Veröffentlicht: (2025)

Physics-informed neural networks for operator equations with stochastic data
von: Escapil-Inchauspé, Paul, et al.
Veröffentlicht: (2022)

Mesh motion in fluid-structure interaction with deep operator networks
von: Hellan, Ottar
Veröffentlicht: (2024)

Optimal deep learning of holomorphic operators between Banach spaces
von: Adcock, Ben, et al.
Veröffentlicht: (2024)

Dilated convolution neural operator for multiscale partial differential equations
von: Xu, Bo, et al.
Veröffentlicht: (2024)

Neural network-driven domain decomposition for efficient solutions to the Helmholtz equation
von: Dolean, Victorita, et al.
Veröffentlicht: (2025)

Orthogonal greedy algorithm for linear operator learning with shallow neural network
von: Lin, Ye, et al.
Veröffentlicht: (2025)

Dimension reduction for derivative-informed operator learning: An analysis of approximation errors
von: Luo, Dingcheng, et al.
Veröffentlicht: (2025)

Out-of-distributional risk bounds for neural operators with applications to the Helmholtz equation
von: Benitez, J. Antonio Lara, et al.
Veröffentlicht: (2023)

Neural and spectral operator surrogates: unified construction and expression rate bounds
von: Herrmann, Lukas, et al.
Veröffentlicht: (2022)