Buchumschlag

A Unified Weighted-Loss Physics-Informed Neural Network for Boundary Layer Problems in Singularly Perturbed PDEs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hu, Wei-Fan, Zhong, Shi-Xiang, Hsieh, Po-Wen, Chen, Chung-Kai, Lin, Te-Sheng
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Numerical Analysis
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Singular Layer Physics-Informed Neural Network Method for Convection-Dominated Boundary Layer Problems in Two Dimensions
von: Gie, Gung-Min, et al.
Veröffentlicht: (2023)

A Parameter-Driven Physics-Informed Neural Network Framework for Solving Two-Parameter Singular Perturbation Problems Involving Boundary Layers
von: Boro, Pradanya, et al.
Veröffentlicht: (2025)

Solving Poisson Problems in Polygonal Domains with Singularity Enriched Physics Informed Neural Networks
von: Hu, Tianhao, et al.
Veröffentlicht: (2023)

Data-Free Asymptotics-Informed Operator Networks for Singularly Perturbed PDEs
von: Lee, Jinsil, et al.
Veröffentlicht: (2025)

Matched Asymptotic Expansions‐Based Transferable Neural Networks for Singular Perturbation Problems
von: Zhequan Shen, et al.
Veröffentlicht: (2026)

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

General-Kindred Physics-Informed Neural Network to the Solutions of Singularly Perturbed Differential Equations
von: Wang, Sen, et al.
Veröffentlicht: (2024)

Development and Analysis of Chien-Physics-Informed Neural Networks for Singular Perturbation Problems
von: Singh, Gautam, et al.
Veröffentlicht: (2025)

Solving PDEs on Spheres with Physics-Informed Convolutional Neural Networks
von: Lei, Guanhang, et al.
Veröffentlicht: (2023)

A Variational Physics-Informed Neural Network Framework Using Petrov-Galerkin Method for Solving Singularly Perturbed Boundary Value Problems
von: Kumar, Vijay, et al.
Veröffentlicht: (2025)

PINNsur: Physics-Informed Neural Networks for PDEs on Curved Surfaces
von: Jain, Pranav, et al.
Veröffentlicht: (2026)

Neural Networks for Singular Perturbations
von: Opschoor, Joost A. A., et al.
Veröffentlicht: (2024)

Wavelet-based Edge Multiscale Finite Element Methods for Singularly Perturbed Convection-Diffusion Equations
von: Fu, Shubin, et al.
Veröffentlicht: (2023)

What Can One Expect When Solving PDEs Using Shallow Neural Networks?
von: He, Roy Y., et al.
Veröffentlicht: (2025)

Learn Singularly Perturbed Solutions via Homotopy Dynamics
von: Chen, Chuqi, et al.
Veröffentlicht: (2025)

Leveraging Lie Group Symmetries to Enhance Physics-Informed Neural Networks for the Fundamental Solution of Linear PDEs
von: Jiao, Xiaopei, et al.
Veröffentlicht: (2024)

Posterior Concentration of Bayesian Physics-Informed Neural Networks for Elliptic PDEs
von: Zhao, Yuxuan, et al.
Veröffentlicht: (2026)

Component Fourier Neural Operator for Singularly Perturbed Differential Equations
von: Li, Ye, et al.
Veröffentlicht: (2024)

Neural Networks for Singular Perturbations -- Finite Regularity
von: Rohner, F., et al.
Veröffentlicht: (2026)

A Review of Neural Network Solvers for Second-order Boundary Value Problems
von: Sau, Ramesh Chandra, et al.
Veröffentlicht: (2024)

Sparse Random-Feature Neural Networks with Krylov-Based SVD for Singularly Perturbed ODE
von: Vaidyan, Kevin Kurian Thomas, et al.
Veröffentlicht: (2026)

Predictive Moving Sample Method for Physics-Informed Neural Solvers of Time-Dependent PDEs
von: Xu, Beining, et al.
Veröffentlicht: (2026)

Point Source Identification Using Singularity Enriched Neural Networks
von: Hu, Tianhao, et al.
Veröffentlicht: (2024)

Stochastic Quadrature Rules for Solving PDEs using Neural Networks
von: Taylor, Jamie M., et al.
Veröffentlicht: (2025)

Solving High-Dimensional PDEs Using Linearized Neural Networks
von: Mao, Tong, et al.
Veröffentlicht: (2026)

Solution of Advection Equation with Discontinuous Initial and Boundary Conditions via Physics-Informed Neural Networks
von: Khosravi, Omid, et al.
Veröffentlicht: (2026)

Solving PDEs With Deep Neural Nets under General Boundary Conditions
von: Zhang, Chenggong
Veröffentlicht: (2025)

A Perturbation-Correction Method Based on Local Randomized Neural Networks for Quasi-Linear Interface Problems
von: Lang, Siyuan, et al.
Veröffentlicht: (2026)

Extremization to Fine Tune Physics Informed Neural Networks for Solving Boundary Value Problems
von: Thiruthummal, Abhiram Anand, et al.
Veröffentlicht: (2024)

Extended Interface Physics-Informed Neural Networks Method for Moving Interface Problems
von: Bi, Ran, et al.
Veröffentlicht: (2025)

SVD-PINNs: Transfer Learning of Physics-Informed Neural Networks via Singular Value Decomposition
von: Gao, Yihang, et al.
Veröffentlicht: (2022)

Tackling the Curse of Dimensionality in Fractional and Tempered Fractional PDEs with Physics-Informed Neural Networks
von: Hu, Zheyuan, et al.
Veröffentlicht: (2024)

Adaptive-Growth Randomized Neural Networks for PDEs: Algorithms and Numerical Analysis
von: Dang, Haoning, et al.
Veröffentlicht: (2024)

Efficient Simulation of Singularly Perturbed Systems Using a Stabilized Multirate Explicit Scheme
von: Shi, Yibo, et al.
Veröffentlicht: (2025)

Error Bounds for Physics-Informed Neural Networks in Fokker-Planck PDEs
von: Kong, Chun-Wei, et al.
Veröffentlicht: (2024)

Learning from Integral Losses in Physics Informed Neural Networks
von: Saleh, Ehsan, et al.
Veröffentlicht: (2023)

A Unified Benchmark of Physics-Informed Neural Networks and Kolmogorov-Arnold Networks for Ordinary and Partial Differential Equations
von: Dzimah, Salvador K., et al.
Veröffentlicht: (2026)

One-Shot Transfer Learning for Nonlinear PDEs with Perturbative PINNs
von: Auroy, Samuel, et al.
Veröffentlicht: (2025)

Approximation Theory and Applications of Randomized Neural Networks for Solving High-Dimensional PDEs
von: De Ryck, T., et al.
Veröffentlicht: (2025)

Dual Variational Neural Network for the $p$-Laplace Problem
von: Hu, Tianhao, et al.
Veröffentlicht: (2026)