Buchumschlag

Statistical Learning Analysis of Physics-Informed Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Barajas-Solano, David A.
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Computational Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Randomized Physics-Informed Neural Networks for Bayesian Data Assimilation
von: Zong, Yifei, et al.
Veröffentlicht: (2024)

Evidential Physics-Informed Neural Networks for Scientific Discovery
von: Tan, Hai Siong, et al.
Veröffentlicht: (2025)

On the Role of Consistency Between Physics and Data in Physics-Informed Neural Networks
von: Becerra-Zuniga, Nicolás, et al.
Veröffentlicht: (2026)

Quantum Noise Tomography with Physics-Informed Neural Networks
von: Sulc, Antonin
Veröffentlicht: (2025)

Evidential Physics-Informed Neural Networks
von: Tan, Hai Siong, et al.
Veröffentlicht: (2025)

Physics-Informed Neural Networks for Solving Derivative-Constrained PDEs
von: Hoshisashi, Kentaro, et al.
Veröffentlicht: (2026)

Kronecker-Factored Approximate Curvature for Physics-Informed Neural Networks
von: Dangel, Felix, et al.
Veröffentlicht: (2024)

PINGS: Physics-Informed Neural Network for Fast Generative Sampling
von: Prasha, Achmad Ardani, et al.
Veröffentlicht: (2025)

Physics-Informed Neural Networks with Fourier Features and Attention-Driven Decoding
von: Arni, Rohan, et al.
Veröffentlicht: (2025)

Exact Enforcement of Temporal Continuity in Sequential Physics-Informed Neural Networks
von: Roy, Pratanu, et al.
Veröffentlicht: (2024)

DiffGrad for Physics-Informed Neural Networks
von: Rahman, Jamshaid Ul, et al.
Veröffentlicht: (2024)

Bayesian Reasoning for Physics Informed Neural Networks
von: Graczyk, Krzysztof M., et al.
Veröffentlicht: (2023)

Response Estimation and System Identification of Dynamical Systems via Physics-Informed Neural Networks
von: Haywood-Alexander, Marcus, et al.
Veröffentlicht: (2024)

Variational Encoder-Decoders for Learning Latent Representations of Physical Systems
von: Venkatasubramanian, Subashree, et al.
Veröffentlicht: (2024)

Investigation of Compressor Cascade Flow Using Physics- Informed Neural Networks with Adaptive Learning Strategy
von: Li, Zhihui, et al.
Veröffentlicht: (2023)

Error Analysis and Numerical Algorithm for PDE Approximation with Hidden-Layer Concatenated Physics Informed Neural Networks
von: Qian, Yianxia, et al.
Veröffentlicht: (2024)

Pseudo-Physics-Informed Neural Operators: Enhancing Operator Learning from Limited Data
von: Chen, Keyan, et al.
Veröffentlicht: (2025)

Generalized Lie Symmetries in Physics-Informed Neural Operators
von: Wang, Amy Xiang, et al.
Veröffentlicht: (2025)

Physics-Informed Neural Solvers for Periodic Quantum Eigenproblems
von: Mian, Haaris
Veröffentlicht: (2025)

Taper-based scattering formulation of the Helmholtz equation to improve the training process of Physics-Informed Neural Networks
von: Dörfler, W., et al.
Veröffentlicht: (2024)

PINN-FEM: A Hybrid Approach for Enforcing Dirichlet Boundary Conditions in Physics-Informed Neural Networks
von: Sobh, Nahil, et al.
Veröffentlicht: (2025)

Leveraging Influence Functions for Resampling Data in Physics-Informed Neural Networks
von: Naujoks, Jonas R., et al.
Veröffentlicht: (2025)

Examining the robustness of Physics-Informed Neural Networks to noise for Inverse Problems
von: Jekic, Aleksandra, et al.
Veröffentlicht: (2025)

Comparative Study of Bending Analysis using Physics-Informed Neural Networks and Numerical Dynamic Deflection in Perforated nanobeam
von: Garai, Ramanath, et al.
Veröffentlicht: (2026)

Residual Attention Physics-Informed Neural Networks for Robust Multiphysics Simulation of Steady-State Electrothermal Energy Systems
von: Zhou, Yuqing, et al.
Veröffentlicht: (2026)

EquiNO: A Physics-Informed Neural Operator for Multiscale Simulations
von: Eivazi, Hamidreza, et al.
Veröffentlicht: (2025)

Unveiling the optimization process of Physics Informed Neural Networks: How accurate and competitive can PINNs be?
von: Urbán, Jorge F., et al.
Veröffentlicht: (2024)

PINNfluence: Influence Functions for Physics-Informed Neural Networks
von: Naujoks, Jonas R., et al.
Veröffentlicht: (2024)

Energy Dissipation Preserving Physics Informed Neural Network for Allen-Cahn Equations
von: Kütük, Mustafa, et al.
Veröffentlicht: (2024)

Physics-Informed Neural Network based Damage Identification for Truss Railroad Bridges
von: Shajihan, Althaf, et al.
Veröffentlicht: (2025)

Quantum-Classical Physics-Informed Neural Networks for Solving Reservoir Seepage Equations
von: Rao, Xiang, et al.
Veröffentlicht: (2025)

Training Deep Physics-Informed Kolmogorov-Arnold Networks
von: Rigas, Spyros, et al.
Veröffentlicht: (2025)

Finite Basis Physics-Informed Neural Networks (FBPINNs): a scalable domain decomposition approach for solving differential equations
von: Moseley, Ben, et al.
Veröffentlicht: (2021)

Scale-PINN: Learning Efficient Physics-Informed Neural Networks Through Sequential Correction
von: Chiu, Pao-Hsiung, et al.
Veröffentlicht: (2026)

Inverse Modeling of Dielectric Response in Time Domain using Physics-Informed Neural Networks
von: Esenov, Emir, et al.
Veröffentlicht: (2025)

Advancing Physics Data Analysis through Machine Learning and Physics-Informed Neural Networks
von: Vatellis, Vasileios
Veröffentlicht: (2024)

Gradient Enhanced Self-Training Physics-Informed Neural Network (gST-PINN) for Solving Nonlinear Partial Differential Equations
von: Iyer, Narayan S, et al.
Veröffentlicht: (2025)

Breaking the Precision Ceiling in Physics-Informed Neural Networks: A Hybrid Fourier-Neural Architecture for Ultra-High Accuracy
von: Lee, Wei Shan, et al.
Veröffentlicht: (2025)

Supervised Metric Regularization Through Alternating Optimization for Multi-Regime Physics-Informed Neural Networks
von: Spotorno, Enzo Nicolas, et al.
Veröffentlicht: (2026)

Improved Uncertainty Quantification in Physics-Informed Neural Networks Using Error Bounds and Solution Bundles
von: Flores, Pablo, et al.
Veröffentlicht: (2025)