Buchumschlag

Foundations of Polar Linear Algebra

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Guasti, Giovanni
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Numerical Analysis
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Recent and Upcoming Developments in Randomized Numerical Linear Algebra for Machine Learning
von: Dereziński, Michał, et al.
Veröffentlicht: (2024)

Accelerating Natural Gradient Descent for PINNs with Randomized Numerical Linear Algebra
von: Bioli, Ivan, et al.
Veröffentlicht: (2025)

Learning from Linear Algebra: A Graph Neural Network Approach to Preconditioner Design for Conjugate Gradient Solvers
von: Trifonov, Vladislav, et al.
Veröffentlicht: (2024)

Sketch 'n Solve: An Efficient Python Package for Large-Scale Least Squares Using Randomized Numerical Linear Algebra
von: Lavaee, Alex
Veröffentlicht: (2024)

Learning to Solve Related Linear Systems
von: Hegde, Disha, et al.
Veröffentlicht: (2025)

MgNO: Efficient Parameterization of Linear Operators via Multigrid
von: He, Juncai, et al.
Veröffentlicht: (2023)

On the Role of Initialization on the Implicit Bias in Deep Linear Networks
von: Gruber, Oria, et al.
Veröffentlicht: (2024)

A Multimodal PDE Foundation Model for Prediction and Scientific Text Descriptions
von: Negrini, Elisa, et al.
Veröffentlicht: (2025)

Affine Tracing: A New Paradigm for Probabilistic Linear Solvers
von: Hegde, Disha, et al.
Veröffentlicht: (2026)

Bayesian Physics Informed Neural Networks for Linear Inverse problems
von: Mohammad-Djafari, Ali
Veröffentlicht: (2025)

Graph Neural Preconditioners for Iterative Solutions of Sparse Linear Systems
von: Chen, Jie
Veröffentlicht: (2024)

Theoretical Refinement of CLIP by Utilizing Linear Structure of Optimal Similarity
von: Yoshida, Naoki, et al.
Veröffentlicht: (2025)

Quantile-Based Randomized Kaczmarz for Corrupted Tensor Linear Systems
von: Castillo, Alejandra, et al.
Veröffentlicht: (2025)

MAD: Manifold Attracted Diffusion
von: Elbrächter, Dennis, et al.
Veröffentlicht: (2025)

Deep Reinforcement Learning for the Heat Transfer Control of Pulsating Impinging Jets
von: Salavatidezfouli, Sajad, et al.
Veröffentlicht: (2023)

Towards Foundation Models for Scientific Machine Learning: Characterizing Scaling and Transfer Behavior
von: Subramanian, Shashank, et al.
Veröffentlicht: (2023)

BCAT: A Block Causal Transformer for PDE Foundation Models for Fluid Dynamics
von: Liu, Yuxuan, et al.
Veröffentlicht: (2025)

Random Neural Network Expressivity for Non-Linear Partial Differential Equations
von: Mehmood, Muhammed Ali, et al.
Veröffentlicht: (2026)

Tensor Completion with Nearly Linear Samples Given Weak Side Information
von: Yu, Christina Lee, et al.
Veröffentlicht: (2020)

Sharp Lower Bounds for Linearized ReLU^k Approximation on the Sphere
von: Mao, Tong, et al.
Veröffentlicht: (2025)

In-Context Learning of Linear Systems: Generalization Theory and Applications to Operator Learning
von: Cole, Frank, et al.
Veröffentlicht: (2024)

Physics-Informed Gaussian Process Regression Generalizes Linear PDE Solvers
von: Pförtner, Marvin, et al.
Veröffentlicht: (2022)

Controlling Statistical, Discretization, and Truncation Errors in Learning Fourier Linear Operators
von: Subedi, Unique, et al.
Veröffentlicht: (2024)

Towards a Foundation Model for Partial Differential Equations: Multi-Operator Learning and Extrapolation
von: Sun, Jingmin, et al.
Veröffentlicht: (2024)

Implementing Recycling Methods for Linear Systems in Python with an Application to Multiple Objective Optimization
von: Garcia, Ainara, et al.
Veröffentlicht: (2024)

Learning reduced-order Quadratic-Linear models in Process Engineering using Operator Inference
von: Gosea, Ion Victor, et al.
Veröffentlicht: (2024)

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

Learning cardiac activation and repolarization times with operator learning
von: Centofanti, Edoardo, et al.
Veröffentlicht: (2025)

Machine Learning and Control: Foundations, Advances, and Perspectives
von: Zuazua, Enrique
Veröffentlicht: (2025)

Can Linear Probes Measure LLM Uncertainty?
von: Dakhmouche, Ramzi, et al.
Veröffentlicht: (2025)

Riemannian Preconditioned LoRA for Fine-Tuning Foundation Models
von: Zhang, Fangzhao, et al.
Veröffentlicht: (2024)

Robust Non-Linear Correlations via Polynomial Regression
von: Giuliani, Luca, et al.
Veröffentlicht: (2025)

Differentially Private Linear Bandits with Partial Distributed Feedback
von: Li, Fengjiao, et al.
Veröffentlicht: (2022)

jNO: A JAX Library for Neural Operator and Foundation Model Training
von: Armbruster, Leon, et al.
Veröffentlicht: (2026)

Defining Foundation Models for Computational Science: A Call for Clarity and Rigor
von: Choi, Youngsoo, et al.
Veröffentlicht: (2025)

Robustness of Minimum-Volume Nonnegative Matrix Factorization under an Expanded Sufficiently Scattered Condition
von: Barbarino, Giovanni, et al.
Veröffentlicht: (2025)

Identifiability of Nonnegative Tucker Decompositions -- Part I: Theory
von: Saha, Subhayan, et al.
Veröffentlicht: (2025)

Linear cost and exponentially convergent approximation of Gaussian Matérn processes on intervals
von: Bolin, David, et al.
Veröffentlicht: (2024)

Using Linearized Optimal Transport to Predict the Evolution of Stochastic Particle Systems
von: Karris, Nicholas, et al.
Veröffentlicht: (2024)

A Frobenius-Optimal Projection for Enforcing Linear Conservation in Learned Dynamical Models
von: Mango, John M., et al.
Veröffentlicht: (2025)