Buchumschlag

Disentangled Latent Dynamics Manifold Fusion for Solving Parameterized PDEs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Liang, Zhangyong
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

Manifold-Orthogonal Dual-spectrum Extrapolation for Parameterized Physics-Informed Neural Networks
von: Liang, Zhangyong, et al.
Veröffentlicht: (2026)

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

Categorical Optimization with Bayesian Anchored Latent Trust Regions for Structural Design under High-Dimensional Uncertainty
von: Liang, Zhangyong, et al.
Veröffentlicht: (2026)

Hybrid Iterative Neural Low-Regularity Integrator for Nonlinear Dispersive Equations
von: Liang, Zhangyong
Veröffentlicht: (2026)

Stochastic-Dimension Frozen Sampled Neural Network for High-Dimensional Gross-Pitaevskii Equations on Unbounded Domains
von: Liang, Zhangyong
Veröffentlicht: (2026)

Conflict-Aware Harmonized Rotational Gradient for Multiscale Kinetic Regimes
von: Liang, Zhangyong
Veröffentlicht: (2026)

Stochastic Dimension Implicit Functional Projections for Exact Integral Conservation in High-Dimensional PINNs
von: Liang, Zhangyong
Veröffentlicht: (2026)

Stochastic Dimension-Free Zeroth-Order Estimator for High-Dimensional and High-Order PINNs
von: Liang, Zhangyong, et al.
Veröffentlicht: (2026)

Constitutive parameterized deep energy method for solid mechanics problems with random material parameters
von: Liang, Zhangyong, et al.
Veröffentlicht: (2026)

Latent Neural Operator Pretraining for Solving Time-Dependent PDEs
von: Wang, Tian, et al.
Veröffentlicht: (2024)

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

Error Estimate and Convergence Analysis for Data Valuation
von: Liang, Zhangyong, et al.
Veröffentlicht: (2025)

Neural Dynamic Data Valuation: A Stochastic Optimal Control Approach
von: Liang, Zhangyong, et al.
Veröffentlicht: (2024)

MIND: Decoupling Model-Induced Label Noise via Latent Manifold Disentanglement
von: Ren, Dayong
Veröffentlicht: (2026)

Learning to Solve PDEs on Neural Shape Representations
von: Welschinger, Lilian, et al.
Veröffentlicht: (2025)

Coupled Transformer Autoencoder for Disentangling Multi-Region Neural Latent Dynamics
von: Sristi, Ram Dyuthi, et al.
Veröffentlicht: (2025)

Zebra: In-Context Generative Pretraining for Solving Parametric PDEs
von: Serrano, Louis, et al.
Veröffentlicht: (2024)

Compositional Generalization via Forced Rendering of Disentangled Latents
von: Liang, Qiyao, et al.
Veröffentlicht: (2025)

Differentiable Chemistry in PINNs for Solving Parameterized and Stiff Reaction Systems
von: Babić, Miloš, et al.
Veröffentlicht: (2026)

Pretraining Codomain Attention Neural Operators for Solving Multiphysics PDEs
von: Rahman, Md Ashiqur, et al.
Veröffentlicht: (2024)

SAOT: An Enhanced Locality-Aware Spectral Transformer for Solving PDEs
von: Zhou, Chenhong, et al.
Veröffentlicht: (2025)

Reducing Class-wise Confusion for Incremental Learning with Disentangled Manifolds
von: Chen, Huitong, et al.
Veröffentlicht: (2025)

On Probabilistic Pullback Metrics for Latent Hyperbolic Manifolds
von: Augenstein, Luis, et al.
Veröffentlicht: (2024)

A Unified Latent Space Disentanglement VAE Framework with Robust Disentanglement Effectiveness Evaluation
von: Lang, Xiaoan, et al.
Veröffentlicht: (2026)

Generalizable Implicit Neural Representations via Parameterized Latent Dynamics for Baroclinic Ocean Forecasting
von: Zhao, Guang, et al.
Veröffentlicht: (2025)

Latent Dynamics Graph Convolutional Networks for model order reduction of parameterized time-dependent PDEs
von: Tomada, Lorenzo, et al.
Veröffentlicht: (2026)

Multi-Scale Separable Fourier Neural Networks for Solving High-Frequency PDEs
von: Yang, Qihong, et al.
Veröffentlicht: (2026)

GFocal: A Global-Focal Neural Operator for Solving PDEs on Arbitrary Geometries
von: Fei, Fangzhi, et al.
Veröffentlicht: (2025)

Incremental Spatial and Spectral Learning of Neural Operators for Solving Large-Scale PDEs
von: George, Robert Joseph, et al.
Veröffentlicht: (2022)

Solving Functional PDEs with Gaussian Processes and Applications to Functional Renormalization Group Equations
von: Yang, Xianjin, et al.
Veröffentlicht: (2025)

RBF-MGN:Solving spatiotemporal PDEs with Physics-informed Graph Neural Network
von: Xiang, Zixue, et al.
Veröffentlicht: (2022)

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

Walsh-Hadamard Neural Operators for Solving PDEs with Discontinuous Coefficients
von: Cavallazzi, Giorgio M., et al.
Veröffentlicht: (2025)

Solving Nonlinear PDEs with Sparse Radial Basis Function Networks
von: Shao, Zihan, et al.
Veröffentlicht: (2025)

CORAL: Disentangling Latent Representations in Long-Tailed Diffusion
von: Rodriguez, Esther, et al.
Veröffentlicht: (2025)

Latent Manifold Reconstruction and Representation with Topological and Geometrical Regularization
von: Wang, Ren, et al.
Veröffentlicht: (2025)

Reflections on Disentanglement and the Latent Space
von: Schaerf, Ludovica
Veröffentlicht: (2024)

AnySafe: Adapting Latent Safety Filters at Runtime via Safety Constraint Parameterization in the Latent Space
von: Agrawal, Sankalp, et al.
Veröffentlicht: (2025)

LatentGAN Autoencoder: Learning Disentangled Latent Distribution
von: Kalwar, Sanket, et al.
Veröffentlicht: (2022)

TINNs: Time-Induced Neural Networks for Solving Time-Dependent PDEs
von: Dai, Chen-Yang, et al.
Veröffentlicht: (2026)