Buchumschlag

Solving Inverse Parametrized Problems via Finite Elements and Extreme Learning Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Burman, Erik, Larson, Mats G., Larsson, Karl, Vallin, Jonatan
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Numerical Analysis Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Stabilizing and Solving Unique Continuation Problems by Parameterizing Data and Learning Finite Element Solution Operators
von: Burman, Erik, et al.
Veröffentlicht: (2024)

Cut Finite Element Methods for Convection-Diffusion in Mixed-Dimensional Domains
von: Burman, Erik, et al.
Veröffentlicht: (2026)

Error Estimates for Finite Element Approximations of Viscoelastic Dynamics: The Generalized Maxwell Model
von: Björklund, Martin, et al.
Veröffentlicht: (2023)

A Posteriori Error Estimates with Boundary Correction for a Cut Finite Element Method
von: Burman, Erik, et al.
Veröffentlicht: (2019)

Implicit Hypersurface Approximation Capacity in Deep ReLU Networks
von: Vallin, Jonatan, et al.
Veröffentlicht: (2024)

Learned Finite Element-based Regularization of the Inverse Problem in Electrocardiographic Imaging
von: Haas, Manuel, et al.
Veröffentlicht: (2026)

Solving the Wide-band Inverse Scattering Problem via Equivariant Neural Networks
von: Zhang, Borong, et al.
Veröffentlicht: (2022)

Hybridized Augmented Lagrangian Methods for Contact Problems
von: Burman, Erik, et al.
Veröffentlicht: (2025)

Multilevel CNNs for Parametric PDEs based on Adaptive Finite Elements
von: Schütte, Janina Enrica, et al.
Veröffentlicht: (2024)

Solving Forward and Inverse Problems of Contact Mechanics using Physics-Informed Neural Networks
von: Sahin, T., et al.
Veröffentlicht: (2023)

Data-Guided Physics-Informed Neural Networks for Solving Inverse Problems in Partial Differential Equations
von: Zhou, Wei, et al.
Veröffentlicht: (2024)

Latent Neural Operator for Solving Forward and Inverse PDE Problems
von: Wang, Tian, et al.
Veröffentlicht: (2024)

Error Estimates for Nitsche's Method on Approximate Domains
von: Larson, Mats G., et al.
Veröffentlicht: (2026)

Robust Trimmed Multipatch IGA with Singular Maps
von: Jonsson, Tobias, et al.
Veröffentlicht: (2025)

Solving Sparse Finite Element Problems on Neuromorphic Hardware
von: Theilman, Bradley H., et al.
Veröffentlicht: (2025)

Back-Projection Diffusion: Solving the Wideband Inverse Scattering Problem with Diffusion Models
von: Zhang, Borong, et al.
Veröffentlicht: (2024)

Finite Element Neural Network Interpolation. Part I: Interpretable and Adaptive Discretization for Solving PDEs
von: Škardová, Kateřina, et al.
Veröffentlicht: (2024)

A Gaussian Process Framework for Solving Forward and Inverse Problems Involving Nonlinear Partial Differential Equations
von: Mora, Carlos, et al.
Veröffentlicht: (2024)

Deep Eigenspace Network for Parametric Non-self-adjoint Eigenvalue Problems
von: Li, H., et al.
Veröffentlicht: (2025)

Preconditioned FEM-based Neural Networks for Solving Incompressible Fluid Flows and Related Inverse Problems
von: Griese, Franziska, et al.
Veröffentlicht: (2024)

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

A Finite Expression Method for Solving High-Dimensional Committor Problems
von: Song, Zezheng, et al.
Veröffentlicht: (2023)

Numerical Approximation and Analysis of the Inverse Robin Problem Using the Kohn-Vogelius Method
von: Burman, Erik, et al.
Veröffentlicht: (2025)

Variational Matrix-Learning Fourier Networks for Parametric Multiphysics Surrogates
von: Li, Xinyu, et al.
Veröffentlicht: (2026)

A Hybrid Kernel-Free Boundary Integral Method with Operator Learning for Solving Parametric Partial Differential Equations In Complex Domains
von: Ling, Shuo, et al.
Veröffentlicht: (2024)

Graph Neural Regularizers for PDE Inverse Problems
von: Lauga, William, et al.
Veröffentlicht: (2025)

Understanding the Difficulty of Solving Cauchy Problems with PINNs
von: Wang, Tao, et al.
Veröffentlicht: (2024)

Solving Elliptic Optimal Control Problems via Neural Networks and Optimality System
von: Dai, Yongcheng, et al.
Veröffentlicht: (2023)

Finite Expression Method for Solving High-Dimensional Partial Differential Equations
von: Liang, Senwei, et al.
Veröffentlicht: (2022)

Higher Order Unfitted Space-Time Methods for Transport Problems
von: Burman, Erik, et al.
Veröffentlicht: (2025)

The Parametric Complexity of Operator Learning
von: Lanthaler, Samuel, et al.
Veröffentlicht: (2023)

Decoupled Diffusion Sampling for Inverse Problems on Function Spaces
von: Lin, Thomas Y. L., et al.
Veröffentlicht: (2026)

Solving High-Dimensional Partial Integral Differential Equations: The Finite Expression Method
von: Hardwick, Gareth, et al.
Veröffentlicht: (2024)

Multi-Level GNN Preconditioner for Solving Large Scale Problems
von: Nastorg, Matthieu, et al.
Veröffentlicht: (2024)

Learning Epidemiological Dynamics via the Finite Expression Method
von: Du, Jianda, et al.
Veröffentlicht: (2024)

STNet: Spectral Transformation Network for Solving Operator Eigenvalue Problem
von: Wang, Hong, et al.
Veröffentlicht: (2025)

Learning Nonlinear Finite Element Solution Operators using Multilayer Perceptrons and Energy Minimization
von: Larson, Mats G., et al.
Veröffentlicht: (2024)

Solving All Regression Models For Learning Gaussian Networks Using Givens Rotations
von: Alipourfard, Borzou, et al.
Veröffentlicht: (2019)

Solving Roughly Forced Nonlinear PDEs via Misspecified Kernel Methods and Neural Networks
von: Baptista, Ricardo, et al.
Veröffentlicht: (2025)

Learning Discontinuous Galerkin Solutions to Elliptic Problems via Small Linear Convolutional Neural Networks
von: Celaya, Adrian, et al.
Veröffentlicht: (2025)