Buchumschlag

A level-wise training scheme for learning neural multigrid smoothers with application to integral equations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Lingfeng, Chu, Yin King, Chan, Raymond, Wan, Justin
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

BP-DeepONet: A new method for cuffless blood pressure estimation using the physcis-informed DeepONet
von: Li, Lingfeng, et al.
Veröffentlicht: (2024)

A Mathematical Explanation of Transformers
von: Tai, Xue-Cheng, et al.
Veröffentlicht: (2025)

Overlapping Schwarz methods are not anisotropy-robust multigrid smoothers
von: Krzysik, Oliver A., et al.
Veröffentlicht: (2025)

On an efficient line smoother for the p-multigrid γ-cycle
von: Lorca, José Pablo Lucero, et al.
Veröffentlicht: (2025)

A Global and Patch-wise Contrastive Loss for Accurate Automated Exudate Detection
von: Tang, Wei, et al.
Veröffentlicht: (2023)

A reinforcement learning strategy to automate and accelerate h/p-multigrid solvers
von: Huergo, David, et al.
Veröffentlicht: (2024)

LoaQ: Layer-wise Output Approximation Quantization
von: Lin, Li, et al.
Veröffentlicht: (2025)

Variational operator learning: A unified paradigm marrying training neural operators and solving partial differential equations
von: Xu, Tengfei, et al.
Veröffentlicht: (2023)

Coding schemes in neural networks learning classification tasks
von: van Meegen, Alexander, et al.
Veröffentlicht: (2024)

Adaptive multiple optimal learning factors for neural network training
von: Challagundla, Jeshwanth
Veröffentlicht: (2024)

Predicting concentration levels of air pollutants by transfer learning and recurrent neural network
von: Fong, Iat Hang, et al.
Veröffentlicht: (2025)

Learning to Unlearn: Instance-wise Unlearning for Pre-trained Classifiers
von: Cha, Sungmin, et al.
Veröffentlicht: (2023)

Enforcing governing equation constraints in neural PDE solvers via training-free projections
von: Rochman, Omer, et al.
Veröffentlicht: (2025)

Normalizing flow neural networks by JKO scheme
von: Xu, Chen, et al.
Veröffentlicht: (2022)

Local learning for stable backpropagation-free neural network training towards physical learning
von: Guo, Yaqi, et al.
Veröffentlicht: (2026)

A Convex-optimization-based Layer-wise Post-training Pruner for Large Language Models
von: Zhao, Pengxiang, et al.
Veröffentlicht: (2024)

Pseudo-Hamiltonian neural networks for learning partial differential equations
von: Eidnes, Sølve, et al.
Veröffentlicht: (2023)

Analysis on aggregation and block smoothers in multigrid methods for block Toeplitz linear systems
von: Bolten, Matthias, et al.
Veröffentlicht: (2024)

Differential equation and probability inspired graph neural networks for latent variable learning
von: Shi, Zhuangwei
Veröffentlicht: (2022)

Out-of-distributional risk bounds for neural operators with applications to the Helmholtz equation
von: Benitez, J. Antonio Lara, et al.
Veröffentlicht: (2023)

A lift for input-convex neural network training
von: Siahkoohi, Ali, et al.
Veröffentlicht: (2026)

A simulation-based training framework for machine-learning applications in ARPES
von: Na, MengXing, et al.
Veröffentlicht: (2025)

Target noise: A pre-training based neural network initialization for efficient high resolution learning
von: Wang, Shaowen, et al.
Veröffentlicht: (2026)

Q-learning as a monotone scheme
von: Yang, Lingyi
Veröffentlicht: (2024)

Intrinsic training dynamics of deep neural networks
von: Marcotte, Sibylle, et al.
Veröffentlicht: (2025)

Ultra-fast feature learning for the training of two-layer neural networks in the two-timescale regime
von: Barboni, Raphaël, et al.
Veröffentlicht: (2025)

MONGOOSE: Path-wise Smooth Bayesian Optimisation via Meta-learning
von: Yang, Adam X., et al.
Veröffentlicht: (2023)

ShuffleGate: Scalable Feature Optimization for Recommender Systems via Batch-wise Sensitivity Learning
von: Huang, Yihong, et al.
Veröffentlicht: (2025)

Stable spectral neural operator for learning stiff PDE systems from limited data
von: Zhang, Rui, et al.
Veröffentlicht: (2025)

Stochastic Layer-wise Learning: Scalable and Efficient Alternative to Backpropagation
von: Yin, Bojian, et al.
Veröffentlicht: (2025)

Deciphering and integrating invariants for neural operator learning with various physical mechanisms
von: Zhang, Rui, et al.
Veröffentlicht: (2023)

Information fusion strategy integrating pre-trained language model and contrastive learning for materials knowledge mining
von: Peng, Yongqian, et al.
Veröffentlicht: (2025)

On Feynman--Kac training of partial Bayesian neural networks
von: Zhao, Zheng, et al.
Veröffentlicht: (2023)

Numerical solutions of fixed points in two-dimensional Kuramoto-Sivashinsky equation expedited by reinforcement learning
von: Jiang, Juncheng, et al.
Veröffentlicht: (2024)

Measurement-driven neural-network training for integrated magnetic tunnel junction arrays
von: Borders, William A., et al.
Veröffentlicht: (2023)

Resource-Efficient Federated Multimodal Learning via Layer-wise and Progressive Training
von: Tun, Ye Lin, et al.
Veröffentlicht: (2024)

Photonic convolutional neural network with pre-trained in-situ training
von: Ranjan, Saurabh, et al.
Veröffentlicht: (2026)

The sampling complexity of learning invertible residual neural networks
von: Li, Yuanyuan, et al.
Veröffentlicht: (2024)

Step-wise Policy for Rare-tool Knowledge (SPaRK): Offline RL that Drives Diverse Tool Use in LLMs
von: Bo, Gabriel, et al.
Veröffentlicht: (2025)

A comparative analysis of machine learning models in SHAP analysis
von: Lin, Justin, et al.
Veröffentlicht: (2026)