Buchumschlag

SOLIS: Physics-Informed Learning of Interpretable Neural Surrogates for Nonlinear Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mansur, Murat Furkan, Kumbasar, Tufan
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence Systems and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Stable-by-Design Neural Network-Based LPV State-Space Models for System Identification
von: Sertbaş, Ahmet Eren, et al.
Veröffentlicht: (2025)

Beyond Prediction: Interval Neural Networks for Uncertainty-Aware System Identification
von: Ferah, Mehmet Ali, et al.
Veröffentlicht: (2026)

Capturing Aerodynamic Characteristics of ATTAS Aircraft with Evolving Intelligent System
von: Soylu, Aydoğan, et al.
Veröffentlicht: (2025)

xFODE+: Explainable Type-2 Fuzzy Additive ODEs for Uncertainty Quantification
von: Kececi, Ertugrul, et al.
Veröffentlicht: (2026)

A State Alignment-Centric Approach to Federated System Identification: The FedAlign Framework
von: Keçeci, Ertuğrul, et al.
Veröffentlicht: (2025)

Introducing Interval Neural Networks for Uncertainty-Aware System Identification
von: Ferah, Mehmet Ali, et al.
Veröffentlicht: (2025)

Efficient Learning of Fuzzy Logic Systems for Large-Scale Data Using Deep Learning
von: Koklu, Ata, et al.
Veröffentlicht: (2024)

Enhancing Interval Type-2 Fuzzy Logic Systems: Learning for Precision and Prediction Intervals
von: Koklu, Ata, et al.
Veröffentlicht: (2024)

Zadeh's Type-2 Fuzzy Logic Systems: Precision and High-Quality Prediction Intervals
von: Guven, Yusuf, et al.
Veröffentlicht: (2024)

PowerModelsGAT-AI: Physics-Informed Graph Attention for Multi-System Power Flow with Continual Learning
von: Ezeakunne, Chidozie, et al.
Veröffentlicht: (2026)

Adaptive Event-triggered Reinforcement Learning Control for Complex Nonlinear Systems
von: Siddique, Umer, et al.
Veröffentlicht: (2024)

Test Time Training for AC Power Flow Surrogates via Physics and Operational Constraint Refinement
von: Dogoulis, Panteleimon, et al.
Veröffentlicht: (2025)

Physics-Informed State Space Models for Reliable Solar Irradiance Forecasting in Off-Grid Systems
von: Abdullah, Mohammed Ezzaldin Babiker
Veröffentlicht: (2026)

From Explainability to Interpretability: Interpretable Policies in Reinforcement Learning Via Model Explanation
von: Li, Peilang, et al.
Veröffentlicht: (2025)

Bayesian Optimization of Process Parameters of a Sensor-Based Sorting System using Gaussian Processes as Surrogate Models
von: Kronenwett, Felix, et al.
Veröffentlicht: (2025)

Multivariate Physics-Informed Convolutional Autoencoder for Anomaly Detection in Power Distribution Systems with High Penetration of DERs
von: Zideh, Mehdi Jabbari, et al.
Veröffentlicht: (2024)

A Review of Physics-Informed Machine Learning Methods with Applications to Condition Monitoring and Anomaly Detection
von: Wu, Yuandi, et al.
Veröffentlicht: (2024)

From Black-Box to White-Box: Control-Theoretic Neural Network Interpretability
von: Moon, Jihoon
Veröffentlicht: (2025)

Scalable and Interpretable Verification of Image-based Neural Network Controllers for Autonomous Vehicles
von: Parameshwaran, Aditya, et al.
Veröffentlicht: (2025)

Gain Scheduling with a Neural Operator for a Transport PDE with Nonlinear Recirculation
von: Lamarque, Maxence, et al.
Veröffentlicht: (2024)

Exploiting Symmetry in Dynamics for Model-Based Reinforcement Learning with Asymmetric Rewards
von: Sonmez, Yasin, et al.
Veröffentlicht: (2024)

Deep Dictionary-Free Method for Identifying Linear Model of Nonlinear System with Input Delay
von: Valábek, Patrik, et al.
Veröffentlicht: (2025)

DIAL: Distribution-Informed Adaptive Learning of Multi-Task Constraints for Safety-Critical Systems
von: Yoo, Se-Wook, et al.
Veröffentlicht: (2025)

Towards Developing Safety Assurance Cases for Learning-Enabled Medical Cyber-Physical Systems
von: Bagheri, Maryam, et al.
Veröffentlicht: (2022)

Learning Geometrically-Informed Lyapunov Functions with Deep Diffeomorphic RBF Networks
von: Tesfazgi, Samuel, et al.
Veröffentlicht: (2025)

Probabilistic Constrained Reinforcement Learning with Formal Interpretability
von: Wang, Yanran, et al.
Veröffentlicht: (2023)

Engineering Hybrid Physics-Informed Neural Networks for Next-Generation Electricity Systems: A State-of-the-Art Review
von: Nyangon, Joseph
Veröffentlicht: (2026)

Dropout MPC: An Ensemble Neural MPC Approach for Systems with Learned Dynamics
von: Syntakas, Spyridon, et al.
Veröffentlicht: (2024)

Go Beyond Black-box Policies: Rethinking the Design of Learning Agent for Interpretable and Verifiable HVAC Control
von: An, Zhiyu, et al.
Veröffentlicht: (2024)

A cGAN Ensemble-based Uncertainty-aware Surrogate Model for Offline Model-based Optimization in Industrial Control Problems
von: Feng, Cheng
Veröffentlicht: (2022)

ControlSynth Neural ODEs: Modeling Dynamical Systems with Guaranteed Convergence
von: Mei, Wenjie, et al.
Veröffentlicht: (2024)

Interpretable Event Diagnosis in Water Distribution Networks
von: Artelt, André, et al.
Veröffentlicht: (2025)

Application of Zone Method based Physics-Informed Neural Networks in Reheating Furnaces
von: Dutta, Ujjal Kr, et al.
Veröffentlicht: (2023)

Physics-Informed Neural Networks for Nonlinear Output Regulation
von: Mengozzi, Sebastiano, et al.
Veröffentlicht: (2025)

Outperforming Self-Attention Mechanisms in Solar Irradiance Forecasting via Physics-Guided Neural Networks
von: Abdullah, Mohammed Ezzaldin Babiker, et al.
Veröffentlicht: (2026)

Verification-Aided Learning of Neural Network Barrier Functions with Termination Guarantees
von: Chen, Shaoru, et al.
Veröffentlicht: (2024)

Learning System Dynamics without Forgetting
von: Zhang, Xikun, et al.
Veröffentlicht: (2024)

FlightKooba: A Fast Interpretable FTP Model
von: Lu, Jing, et al.
Veröffentlicht: (2025)

Physically Plausible Multi-System Trajectory Generation and Symmetry Discovery
von: Liu, Jiayin, et al.
Veröffentlicht: (2025)

Hierarchical Testing with Rabbit Optimization for Industrial Cyber-Physical Systems
von: Hu, Jinwei, et al.
Veröffentlicht: (2025)