Buchumschlag

Dissipative Latent Residual Physics-Informed Neural Networks for Modeling and Identification of Electromechanical Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Long, Youyuan, Solak, Gokhan, Ajoudani, Arash
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

Bresa: Bio-inspired Reflexive Safe Reinforcement Learning for Contact-Rich Robotic Tasks
von: Zhang, Heng, et al.
Veröffentlicht: (2025)

Self-supervised Physics-Informed Manipulation of Deformable Linear Objects with Non-negligible Dynamics
von: Long, Youyuan, et al.
Veröffentlicht: (2026)

Online Learning for Vibration Suppression in Physical Robot Interaction using Power Tools
von: Solak, Gokhan, et al.
Veröffentlicht: (2025)

A Framework for Adaptive Load Redistribution in Human-Exoskeleton-Cobot Systems
von: Mobedi, Emir, et al.
Veröffentlicht: (2025)

A Survey on Imitation Learning for Contact-Rich Tasks in Robotics
von: Tsuji, Toshiaki, et al.
Veröffentlicht: (2025)

Passivity-Centric Safe Reinforcement Learning for Contact-Rich Robotic Tasks
von: Zhang, Heng, et al.
Veröffentlicht: (2025)

Anticipatory Fall Detection in Humans with Hybrid Directed Graph Neural Networks and Long Short-Term Memory
von: Cho, Younggeol, et al.
Veröffentlicht: (2025)

Physics-Informed Learning for Human Whole-Body Kinematics Prediction via Sparse IMUs
von: Guo, Cheng, et al.
Veröffentlicht: (2025)

RRaPINNs: Residual Risk-Aware Physics Informed Neural Networks
von: Akazan, Ange-Clément, et al.
Veröffentlicht: (2025)

OmniVIC: A Self-Improving Variable Impedance Controller with Vision-Language In-Context Learning for Safe Robotic Manipulation
von: Zhang, Heng, et al.
Veröffentlicht: (2025)

Physics-Informed Neural Networks: Minimizing Residual Loss with Wide Networks and Effective Activations
von: Dashtbayaz, Nima Hosseini, et al.
Veröffentlicht: (2024)

Response Estimation and System Identification of Dynamical Systems via Physics-Informed Neural Networks
von: Haywood-Alexander, Marcus, et al.
Veröffentlicht: (2024)

Reward-Zero: Language Embedding Driven Implicit Reward Mechanisms for Reinforcement Learning
von: Zhang, Heng, et al.
Veröffentlicht: (2026)

Latent Variable Sequence Identification for Cognitive Models with Neural Network Estimators
von: Pan, Ti-Fen, et al.
Veröffentlicht: (2024)

SRL-VIC: A Variable Stiffness-Based Safe Reinforcement Learning for Contact-Rich Robotic Tasks
von: Zhang, Heng, et al.
Veröffentlicht: (2024)

Context-aware collaborative pushing of heavy objects using skeleton-based intention prediction
von: Solak, Gokhan, et al.
Veröffentlicht: (2025)

Energy Dissipation Preserving Physics Informed Neural Network for Allen-Cahn Equations
von: Kütük, Mustafa, et al.
Veröffentlicht: (2024)

AB-PINNs: Adaptive-Basis Physics-Informed Neural Networks for Residual-Driven Domain Decomposition
von: Botvinick-Greenhouse, Jonah, et al.
Veröffentlicht: (2025)

Residual Attention Physics-Informed Neural Networks for Robust Multiphysics Simulation of Steady-State Electrothermal Energy Systems
von: Zhou, Yuqing, et al.
Veröffentlicht: (2026)

RoPINN: Region Optimized Physics-Informed Neural Networks
von: Wu, Haixu, et al.
Veröffentlicht: (2024)

Residual-loss Anomaly Analysis of Physics-Informed Neural Networks: An Inverse Method for Change-point Detection in Nonlinear Dynamical Systems with Regime Switching
von: Bai, Yuhe, et al.
Veröffentlicht: (2026)

Safe Learning for Contact-Rich Robot Tasks: A Survey from Classical Learning-Based Methods to Safe Foundation Models
von: Zhang, Heng, et al.
Veröffentlicht: (2025)

ProPINN: Demystifying Propagation Failures in Physics-Informed Neural Networks
von: Wu, Haixu, et al.
Veröffentlicht: (2025)

Learning Transferable Friction Models and LuGre Identification Via Physics-Informed Neural Networks
von: Ozmen, Asutay, et al.
Veröffentlicht: (2025)

HyResPINNs: A Hybrid Residual Physics-Informed Neural Network Architecture Designed to Balance Expressiveness and Trainability
von: Cooley, Madison, et al.
Veröffentlicht: (2024)

Conformalized Physics-Informed Neural Networks
von: Podina, Lena, et al.
Veröffentlicht: (2024)

Physics Encoded Blocks in Residual Neural Network Architectures for Digital Twin Models
von: Zia, Muhammad Saad, et al.
Veröffentlicht: (2024)

Lorentzian Residual Neural Networks
von: He, Neil, et al.
Veröffentlicht: (2024)

Physics-Informed Graph Neural Networks for Water Distribution Systems
von: Ashraf, Inaam, et al.
Veröffentlicht: (2024)

Physics-Informed Neural Network based Damage Identification for Truss Railroad Bridges
von: Shajihan, Althaf, et al.
Veröffentlicht: (2025)

Model Based and Physics Informed Deep Learning Neural Network Structures
von: Mohammad-Djafari, Ali, et al.
Veröffentlicht: (2024)

The Physics-Informed Neural Network Gravity Model: Generation III
von: Martin, John, et al.
Veröffentlicht: (2023)

Ensemble based Closed-Loop Optimal Control using Physics-Informed Neural Networks
von: Barry-Straume, Jostein, et al.
Veröffentlicht: (2025)

Physics-Informed Graph Neural Networks for Transverse Momentum Estimation in CMS Trigger Systems
von: Jahin, Md Abrar, et al.
Veröffentlicht: (2025)

Physics-Informed Neural Networks for Accelerating Power System State Estimation
von: Falas, Solon, et al.
Veröffentlicht: (2023)

Physics-Informed Neural ODEs with Scale-Aware Residuals for Learning Stiff Biophysical Dynamics
von: Kainth, Kamalpreet Singh, et al.
Veröffentlicht: (2025)

Preconditioning for Physics-Informed Neural Networks
von: Liu, Songming, et al.
Veröffentlicht: (2024)

Complex Physics-Informed Neural Network
von: Si, Chenhao, et al.
Veröffentlicht: (2025)

Physics-Informed Neural Networks and Extensions
von: Raissi, Maziar, et al.
Veröffentlicht: (2024)

Riemannian Diffusion Models on General Manifolds via Physics-Informed Neural Networks
von: Ko, Gyeonghoon, et al.
Veröffentlicht: (2026)