Buchumschlag

A short tour of operator learning theory: Convergence rates, statistical limits, and open questions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Brugiapaglia, Simone, Franco, Nicola Rares, Nelsen, Nicholas H.
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Numerical Analysis Machine Learning Statistics Theory 68T07 (Primary), 65J15, 62C20 (Secondary)
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

One Operator for Many Densities: Amortized Approximation of Conditioning by Neural Operators
von: Tsimpos, Panos, et al.
Veröffentlicht: (2026)

Near-optimal learning of Banach-valued, high-dimensional functions via deep neural networks
von: Adcock, Ben, et al.
Veröffentlicht: (2022)

Operator learning meets inverse problems: A probabilistic perspective
von: Nelsen, Nicholas H., et al.
Veröffentlicht: (2025)

Learning where to learn: Training data distribution optimization for scientific machine learning
von: Guerra, Nicolas, et al.
Veröffentlicht: (2025)

How Regularization Terms Make Invertible Neural Networks Bayesian Point Estimators
von: Heilenkötter, Nick
Veröffentlicht: (2025)

Extension and neural operator approximation of the electrical impedance tomography inverse map
von: de Hoop, Maarten V., et al.
Veröffentlicht: (2025)

Operator Learning Using Random Features: A Tool for Scientific Computing
von: Nelsen, Nicholas H., et al.
Veröffentlicht: (2024)

Reduced Order Modeling of Partial Differential Equations on Parameter-Dependent Domains Using Deep Neural Networks
von: Bukač, Martina, et al.
Veröffentlicht: (2024)

An operator learning perspective on parameter-to-observable maps
von: Huang, Daniel Zhengyu, et al.
Veröffentlicht: (2024)

Fourier Residual Networks Achieve Spectral Accuracy for Discontinuous Functions
von: Davis, Owen, et al.
Veröffentlicht: (2026)

Approximation of the Basset force in the Maxey-Riley-Gatignol equations via universal differential equations
von: Sommer, Finn, et al.
Veröffentlicht: (2026)

On the algorithmic construction of deep ReLU networks
von: Huybrechs, Daan
Veröffentlicht: (2025)

Learning to Integrate
von: Ernst, Oliver G., et al.
Veröffentlicht: (2025)

Autoencoders in Function Space
von: Bunker, Justin, et al.
Veröffentlicht: (2024)

Error bounds for Physics Informed Neural Networks in Nonlinear Schrödinger equations placed on unbounded domains
von: Alejo, Miguel Á., et al.
Veröffentlicht: (2024)

Neural Preconditioned Born Series: A Metric-Matched Framework for Learning-based Preconditioners
von: Wang, Juntao, et al.
Veröffentlicht: (2026)

Stratified Sampling Algorithms for Machine Learning Methods in Solving Two-scale Partial Differential Equations
von: Avilés, Eddel Elí Ojeda, et al.
Veröffentlicht: (2024)

Neural network Approximations for Reaction-Diffusion Equations -- Homogeneous Neumann Boundary Conditions and Long-time Integrations
von: Avilés, Eddel Elí Ojeda, et al.
Veröffentlicht: (2024)

Universal Adaptive Environment Discovery
von: Matymov, Madi, et al.
Veröffentlicht: (2025)

Optimizing Data Augmentation through Bayesian Model Selection
von: Matymov, Madi, et al.
Veröffentlicht: (2025)

Discretization Error of Fourier Neural Operators
von: Lanthaler, Samuel, et al.
Veröffentlicht: (2024)

A coupled Kolmogorov-Arnold Network and Level-Set framework for evolving interfaces
von: Pande, Tarus, et al.
Veröffentlicht: (2026)

A new sparsity promoting residual transform operator for Lasso regression
von: Xiao, Yao, et al.
Veröffentlicht: (2025)

Performance of Neural and Polynomial Operator Surrogates
von: Westermann, Josephine, et al.
Veröffentlicht: (2026)

Derivative-Informed Fourier Neural Operator: Universal Approximation and Applications to PDE-Constrained Optimization
von: Yao, Boyuan, et al.
Veröffentlicht: (2025)

Approximating $f$-Divergences with Rank Statistics
von: Stein, Viktor, et al.
Veröffentlicht: (2026)

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

Neural Tucker Convolutional Network for Water Quality Analysis
von: Si, Hongnan, et al.
Veröffentlicht: (2025)

Application of machine learning regression models to inverse eigenvalue problems
von: Pallikarakis, Nikolaos, et al.
Veröffentlicht: (2022)

Analysis of a Computational Framework for Bayesian Inverse Problems: Ensemble Kalman Updates and MAP Estimators Under Mesh Refinement
von: Sanz-Alonso, Daniel, et al.
Veröffentlicht: (2023)

Nonparametric estimation of a factorizable density using diffusion models
von: Kwon, Hyeok Kyu, et al.
Veröffentlicht: (2025)

Neural Shape Operator Surrogates -- Expression Rate Bounds
von: Harbrecht, Helmut, et al.
Veröffentlicht: (2026)

MSTN: A Lightweight and Fast Model for General TimeSeries Analysis
von: Shevtekar, Sumit S, et al.
Veröffentlicht: (2025)

Structural Incompatibility of Differentiable Sorting and Within-Vector Rank Normalization
von: Kim, Taeyun
Veröffentlicht: (2025)

Fredholm Neural Networks
von: Georgiou, Kyriakos, et al.
Veröffentlicht: (2024)

Deep Micro Solvers for Rough-Wall Stokes Flow in a Heterogeneous Multiscale Method
von: Ström, Emanuel, et al.
Veröffentlicht: (2025)

Rigorous High-Order Hausdorff Dimension Estimation of Limit Sets of Continued Fraction Iterated Function Systems via B-Splines
von: Brown, Jacob
Veröffentlicht: (2026)

Using the Immersed Penalized Boundary Method with Splines to Solve PDE's on Curved Domains in 3D
von: Greene, Aussie, et al.
Veröffentlicht: (2025)

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

Deep Symmetric Autoencoders from the Eckart-Young-Schmidt Perspective
von: Brivio, Simone, et al.
Veröffentlicht: (2025)