Buchumschlag

Convergence of the generalization error for deep gradient flow methods for PDEs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Chenguang, Papapantoleon, Antonis, Rou, Jasper
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Numerical Analysis Machine Learning Computational Finance 68T07, 65M12
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A deep implicit-explicit minimizing movement method for option pricing in jump-diffusion models
von: Georgoulis, Emmanuil H., et al.
Veröffentlicht: (2024)

A time-stepping deep gradient flow method for option pricing in (rough) diffusion models
von: Papapantoleon, Antonis, et al.
Veröffentlicht: (2024)

Prediction of discretization of online GMsFEM using deep learning for Richards equation
von: Spiridonov, Denis, et al.
Veröffentlicht: (2024)

Learning WENO for entropy stable schemes to solve conservation laws
von: Charles, Philip, et al.
Veröffentlicht: (2024)

Greedy feature selection: Classifier-dependent feature selection via greedy methods
von: Camattari, Fabiana, et al.
Veröffentlicht: (2024)

Least Squares with Equality constraints Extreme Learning Machines for the resolution of PDEs
von: De Falco, Davide Elia, et al.
Veröffentlicht: (2025)

A neural network method for scalar conservation laws with convergence rates for shock-wave solutions
von: Cao, Jiachuan, et al.
Veröffentlicht: (2026)

PODNO: Proper Orthogonal Decomposition Neural Operators
von: Cheng, Zilan, et al.
Veröffentlicht: (2025)

Adaptive Multilevel Neural Networks for Parametric PDEs with Error Estimation
von: Schütte, Janina E., et al.
Veröffentlicht: (2024)

Conservative approximation-based feedforward neural network for WENO schemes
von: Park, Kwanghyuk, et al.
Veröffentlicht: (2025)

Coupling-Robust Accuracy in Multiphysics Physics Informed Neural Networks via Kronecker-Preconditioned Optimization
von: Park, Youngjae, et al.
Veröffentlicht: (2026)

Learning Geometric-Aware Quadrature Rules for Functional Minimization
von: Smaragdakis, Costas
Veröffentlicht: (2025)

Multifidelity domain decomposition-based physics-informed neural networks and operators for time-dependent problems
von: Heinlein, Alexander, et al.
Veröffentlicht: (2024)

A forward differential deep learning-based algorithm for solving high-dimensional nonlinear backward stochastic differential equations
von: Kapllani, Lorenc, et al.
Veröffentlicht: (2024)

A backward differential deep learning-based algorithm for solving high-dimensional nonlinear backward stochastic differential equations
von: Kapllani, Lorenc, et al.
Veröffentlicht: (2024)

PACMANN: Point Adaptive Collocation Method for Artificial Neural Networks
von: Visser, Coen, et al.
Veröffentlicht: (2024)

RONOM: Reduced-Order Neural Operator Modeling
von: Dummer, Sven, et al.
Veröffentlicht: (2025)

Solving the inverse source problem of the fractional Poisson equation by MC-fPINNs
von: Sheng, Rui, et al.
Veröffentlicht: (2024)

A Theory-guided Weighted $L^2$ Loss for solving the BGK model via Physics-informed neural networks
von: Ko, Gyounghun, et al.
Veröffentlicht: (2026)

A quantum-inspired multi-level tensor-train monolithic space-time method for nonlinear PDEs
von: Rapaka, N. R., et al.
Veröffentlicht: (2026)

Deep collocation method: A framework for solving PDEs using neural networks with error control
von: Weng, Mingxing, et al.
Veröffentlicht: (2025)

Error analysis for learning the time-stepping operator of evolutionary PDEs
von: Chen, Ke, et al.
Veröffentlicht: (2025)

Convergent Operator-Splitting Scheme for Viscosity Solutions: A Foundation for Learning Domain-to-Solution Maps
von: Wu, Po-Yi
Veröffentlicht: (2025)

Recurrent Neural Operators: Stable Long-Term PDE Prediction
von: Ye, Zaijun, et al.
Veröffentlicht: (2025)

A Structure-Preserving Framework for Solving Parabolic Partial Differential Equations with Neural Networks
von: Chen, Gaohang, et al.
Veröffentlicht: (2025)

Neural-HSS: Hierarchical Semi-Separable Neural PDE Solver
von: Sittoni, Pietro, et al.
Veröffentlicht: (2026)

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

Data-Free Asymptotics-Informed Operator Networks for Singularly Perturbed PDEs
von: Lee, Jinsil, et al.
Veröffentlicht: (2025)

Alikhanov-XfPINNs: Adaptive Physics-Informed Learning for Nonlinear Fractional PDEs on Nonuniform Meshes
von: Dwivedi, Himanshu Kumar, et al.
Veröffentlicht: (2026)

Equidistribution-based training of Free Knot Splines and ReLU Neural Networks
von: Appella, Simone, et al.
Veröffentlicht: (2024)

A Stabilized Physics Informed Neural Networks Method for Wave Equations
von: Jiao, Yuling, et al.
Veröffentlicht: (2024)

Towards Model Discovery Using Domain Decomposition and PINNs
von: Saha, Tirtho S., et al.
Veröffentlicht: (2024)

Entropy stable conservative flux form neural networks
von: Liu, Lizuo, et al.
Veröffentlicht: (2024)

Stochastic approach for elliptic problems in perforated domains
von: Han, Jihun, et al.
Veröffentlicht: (2024)

A Parameter-Driven Physics-Informed Neural Network Framework for Solving Two-Parameter Singular Perturbation Problems Involving Boundary Layers
von: Boro, Pradanya, et al.
Veröffentlicht: (2025)

A posteriori certification for neural network approximations to PDEs
von: Ernst, Lewin, et al.
Veröffentlicht: (2025)

Finite Element Operator Network for Solving Elliptic-type parametric PDEs
von: Lee, Jae Yong, et al.
Veröffentlicht: (2023)

Discontinuous Galerkin finite element operator network for solving non-smooth PDEs
von: Chawla, Kapil, et al.
Veröffentlicht: (2026)

Physics-Informed Neural Networks: A Didactic Derivation of the Complete Training Cycle
von: Tahimi, Abdeladhim
Veröffentlicht: (2026)

An energy-based deep splitting method for the nonlinear filtering problem
von: Bågmark, Kasper, et al.
Veröffentlicht: (2022)