:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cho, Woojin, Park, Junghwan
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Numerical Analysis
Online-Zugang:	https://arxiv.org/abs/2602.07603
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

PDEfuncta: Spectrally-Aware Neural Representation for PDE Solution Modeling
von: Jo, Minju, et al.
Veröffentlicht: (2025)

FastLRNR and Sparse Physics Informed Backpropagation
von: Cho, Woojin, et al.
Veröffentlicht: (2024)

ELM-DeepONets: Backpropagation-Free Training of Deep Operator Networks via Extreme Learning Machines
von: Son, Hwijae
Veröffentlicht: (2025)

Learning Low Rank Neural Representations of Hyperbolic Wave Dynamics from Data
von: Cho, Woojin, et al.
Veröffentlicht: (2025)

Parameterized Physics-informed Neural Networks for Parameterized PDEs
von: Cho, Woojin, et al.
Veröffentlicht: (2024)

On the Role of Initialization on the Implicit Bias in Deep Linear Networks
von: Gruber, Oria, et al.
Veröffentlicht: (2024)

Pruning AMR: Efficient Visualization of Implicit Neural Representations via Weight Matrix Analysis
von: Zvonek, Jennifer, et al.
Veröffentlicht: (2025)

Don't Fix the Basis -- Learn It: Spectral Representation with Adaptive Basis Learning for PDEs
von: Zhao, Xuxiang, et al.
Veröffentlicht: (2026)

Neural Quantum Spectral Operator Learning for Solving Partial Differential Equations
von: Kim, Chanyoung, et al.
Veröffentlicht: (2026)

Exact Constraint Enforcement in Physics-Informed Extreme Learning Machines using Null-Space Projection Framework
von: Mishra, Rishi, et al.
Veröffentlicht: (2026)

Variational (Energy-Based) Spectral Learning: A Machine Learning Framework for Solving Partial Differential Equations
von: Hammad, M. M.
Veröffentlicht: (2026)

Multi-scale DeepOnet (Mscale-DeepOnet) for Mitigating Spectral Bias in Learning High Frequency Operators of Oscillatory Functions
von: Wang, Bo, et al.
Veröffentlicht: (2025)

Scalable Mechanistic Neural Networks for Differential Equations and Machine Learning
von: Chen, Jiale, et al.
Veröffentlicht: (2024)

On the Convergence of Jacobian-Free Backpropagation for Optimal Control Problems with Implicit Hamiltonians
von: Gelphman, Eric, et al.
Veröffentlicht: (2026)

In-Flight Estimation of Instrument Spectral Response Functions Using Sparse Representations
von: Haouari, Jihanne El, et al.
Veröffentlicht: (2024)

Deep Parallel Spectral Neural Operators for Solving Partial Differential Equations with Enhanced Low-Frequency Learning Capability
von: Ma, Qinglong, et al.
Veröffentlicht: (2024)

A PDE-based Explanation of Extreme Numerical Sensitivities and Edge of Stability in Training Neural Networks
von: Sun, Yuxin, et al.
Veröffentlicht: (2022)

PIANO: Physics-informed Dual Neural Operator for Precipitation Nowcasting
von: Chin, Seokhyun, et al.
Veröffentlicht: (2025)

An Overview on Machine Learning Methods for Partial Differential Equations: from Physics Informed Neural Networks to Deep Operator Learning
von: Gonon, Lukas, et al.
Veröffentlicht: (2024)

Monte Carlo Neural PDE Solver for Learning PDEs via Probabilistic Representation
von: Zhang, Rui, et al.
Veröffentlicht: (2023)

Solving Inverse Parametrized Problems via Finite Elements and Extreme Learning Networks
von: Burman, Erik, et al.
Veröffentlicht: (2026)

Neural Parameter Regression for Explicit Representations of PDE Solution Operators
von: Mundinger, Konrad, et al.
Veröffentlicht: (2024)

Provable Emergence of Deep Neural Collapse and Low-Rank Bias in $L^2$-Regularized Nonlinear Networks
von: Zangrando, Emanuele, et al.
Veröffentlicht: (2024)

Spectral methods for Neural Integral Equations
von: Zappala, Emanuele
Veröffentlicht: (2023)

Fourier Neural Operators for Non-Markovian Processes:Approximation Theorems and Experiments
von: Lee, Wonjae, et al.
Veröffentlicht: (2025)

The Numerical Stability of Hyperbolic Representation Learning
von: Mishne, Gal, et al.
Veröffentlicht: (2022)

Parareal Neural Networks Emulating a Parallel-in-time Algorithm
von: Lee, Chang-Ock, et al.
Veröffentlicht: (2021)

Extreme Event Aware ($η$-) Learning
von: Chang, Kai, et al.
Veröffentlicht: (2025)

Neural Hamilton--Jacobi Characteristic Flows for Optimal Transport
von: Park, Yesom, et al.
Veröffentlicht: (2025)

Operator Learning at Machine Precision
von: Bacho, Aras, et al.
Veröffentlicht: (2025)

Lee and Seung (2000)'s Algorithms for Non-negative Matrix Factorization: A Supplementary Proof Guide
von: Cho, Sungjae
Veröffentlicht: (2025)

Quantifying Correlations of Machine Learning Models
von: Li, Yuanyuan, et al.
Veröffentlicht: (2025)

Holistic Physics Solver: Learning PDEs in a Unified Spectral-Physical Space
von: Yue, Xihang, et al.
Veröffentlicht: (2024)

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

PDE Solvers Should Be Local: Fast, Stable Rollouts with Learned Local Stencils
von: Cheng, Chun-Wun, et al.
Veröffentlicht: (2025)

Spectral Estimation with Free Decompression
von: Ameli, Siavash, et al.
Veröffentlicht: (2025)

Chebyshev Spectral Neural Networks for Solving Partial Differential Equations
von: Yin, Pengsong, et al.
Veröffentlicht: (2024)

On the Limits of Interpretable Machine Learning in Quintic Root Classification
von: Thomas, Rohan, et al.
Veröffentlicht: (2026)

Training Hamiltonian neural networks without backpropagation
von: Rahma, Atamert, et al.
Veröffentlicht: (2024)

SpectraKAN: Conditioning Spectral Operators
von: Cheng, Chun-Wun, et al.
Veröffentlicht: (2026)