Buchumschlag

Physics-informed machine learning for reconstruction of dynamical systems with invariant measure score matching

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Yongsheng, Das, Suddhasattwa, Guo, Wei, Zhong, Xinghui
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Numerical Analysis
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Conservative semi-lagrangian finite difference scheme for transport simulations using graph neural networks
von: Chen, Yongsheng, et al.
Veröffentlicht: (2024)

Hypernetwork-Conditioned WENO5 Conservative-Form CNNs for One-Dimensional Conservation Laws
von: Chen, Yongsheng, et al.
Veröffentlicht: (2026)

Reduced-order modeling of Hamiltonian dynamics based on symplectic neural networks
von: Chen, Yongsheng, et al.
Veröffentlicht: (2025)

Physics-informed sensor coverage through structure preserving machine learning
von: Shaffer, Benjamin David, et al.
Veröffentlicht: (2025)

Solver-in-the-Loop joint operator learning: fractional Laplace-Beltrami features for interface reconstruction
von: Zheng, Yangyang, et al.
Veröffentlicht: (2024)

Solving multiscale dynamical systems by deep learning
von: Yao, Junjie, et al.
Veröffentlicht: (2024)

Sketched Lanczos uncertainty score: a low-memory summary of the Fisher information
von: Miani, Marco, et al.
Veröffentlicht: (2024)

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

Regularization of linear machine learning problems
von: Liu, S., et al.
Veröffentlicht: (2024)

Physics-informed neural networks for Timoshenko system with Thermoelasticity
von: Chebbi, Sabrine, et al.
Veröffentlicht: (2024)

Approximation of invariant measures for random lattice reversible Selkov systems
von: Su, Fang, et al.
Veröffentlicht: (2025)

Physics informed learning of orthogonal features with applications in solving partial differential equations
von: Jia, Qianxing, et al.
Veröffentlicht: (2026)

Certified machine learning: A posteriori error estimation for physics-informed neural networks
von: Hillebrecht, Birgit, et al.
Veröffentlicht: (2022)

Augmented physics informed extreme learning machine to solve the biharmonic equations via Fourier expansions
von: Li, Xi'an, et al.
Veröffentlicht: (2023)

tiDAS: a time invariant approximation of the Delay and Sum algorithm for biomedical ultrasound PSF reconstructions
von: Razzetta, Chiara, et al.
Veröffentlicht: (2025)

Shapley values and machine learning to characterize metamaterials for seismic applications
von: Oniz, D., et al.
Veröffentlicht: (2021)

Fast deep learning based reconstruction for limited angle tomography
von: Salomonsson, Knut, et al.
Veröffentlicht: (2024)

Physics-informed Discretization-independent Deep Compositional Operator Network
von: Zhong, Weiheng, et al.
Veröffentlicht: (2024)

A neural network kernel decomposition for learning multiple steady states in parameterized dynamical systems
von: Zhang, Yimeng, et al.
Veröffentlicht: (2023)

A new insight on augmented Lagrangian method with applications in machine learning
von: Bai, Jianchao, et al.
Veröffentlicht: (2021)

Physics-informed features in supervised machine learning
von: Lampani, Margherita, et al.
Veröffentlicht: (2025)

Implicit learning to determine variable sound speed and the reconstruction operator in photoacoustic tomography
von: Hwang, Gyeongha, et al.
Veröffentlicht: (2024)

Numerical analysis of physics-informed neural networks and related models in physics-informed machine learning
von: De Ryck, Tim, et al.
Veröffentlicht: (2024)

An extrapolation-driven network architecture for physics-informed deep learning
von: Wang, Yong, et al.
Veröffentlicht: (2024)

Element learning: a systematic approach of accelerating finite element-type methods via machine learning, with applications to radiative transfer
von: Du, Shukai, et al.
Veröffentlicht: (2023)

Physics-based machine learning for fatigue lifetime prediction under non-uniform loading scenarios
von: Baktheer, Abedulgader, et al.
Veröffentlicht: (2025)

On the Higuchi fractal dimension of invariant measures for countable idempotent iterated function systems
von: Oliveira, Elismar R.
Veröffentlicht: (2024)

Meshless method stencil evaluation with machine learning
von: Rot, Miha, et al.
Veröffentlicht: (2022)

Photoacoustic image reconstruction via deep learning
von: Antholzer, Stephan, et al.
Veröffentlicht: (2019)

On the validity limits of the parametrisation method for invariant manifolds: an assessment of practical criteria for vibrating systems
von: Stabile, André de Figueiredo, et al.
Veröffentlicht: (2026)

Group-invariant tensor train networks for supervised learning
von: Sprangers, Brent, et al.
Veröffentlicht: (2022)

Direct parametrisation of invariant manifolds for non-autonomous forced systems including superharmonic resonances
von: Vizzaccaro, Alessandra, et al.
Veröffentlicht: (2023)

Dual guidance: ROM-informed field reconstruction with generative models
von: Salavatidezfouli, Sajad, et al.
Veröffentlicht: (2025)

Fast convolution solvers using moment-matching
von: Liu, Xin, et al.
Veröffentlicht: (2026)

Physics-informed neural networks for solving two-phase flow problems with moving interfaces
von: Zhai, Qijia, et al.
Veröffentlicht: (2026)

A finite volume method preserving the invariant region property for the quasimonotone reaction-diffusion systems
von: Zhou, Huifang
Veröffentlicht: (2024)

Sensitivity analysis using Physics-informed neural networks
von: Hanna, John M., et al.
Veröffentlicht: (2023)

Newton's method and its hybrid with machine learning for Navier-Stokes Darcy Models discretized by mixed element methods
von: Huang, Jianguo, et al.
Veröffentlicht: (2024)

Modified least squares method and a review of its applications in machine learning and fractional differential/integral equations
von: Singh, Abhishek Kumar, et al.
Veröffentlicht: (2024)

Structure-informed operator learning for parabolic Partial Differential Equations
von: Benth, Fred Espen, et al.
Veröffentlicht: (2024)