Buchumschlag

A Neural Latent Dynamics Approach for Solving Inverse Problems in Cardiac Electrophysiology

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Centofanti, Edoardo, Ziarelli, Giovanni, Scacchi, Simone, Pavarino, Luca Franco
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

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

Learning High-dimensional Ionic Model Dynamics Using Fourier Neural Operators
von: Pellegrini, Luca, et al.
Veröffentlicht: (2025)

Learning the Hodgkin-Huxley Model with Operator Learning Techniques
von: Centofanti, Edoardo, et al.
Veröffentlicht: (2024)

GDSW preconditioners for composite Discontinuous Galerkin discretizations of multicompartment reaction-diffusion problems
von: Huynh, Ngoc Mai Monica, et al.
Veröffentlicht: (2024)

Parameter Robust Isogeometric Methods for a Four-Field Formulation of Biot's Consolidation Model
von: Chu, Hanyu, et al.
Veröffentlicht: (2025)

Block BDDC/FETI-DP Preconditioners for Three-Field mixed finite element Discretizations of Biot's consolidation model
von: Chu, Hanyu, et al.
Veröffentlicht: (2025)

Latent Neural Operator for Solving Forward and Inverse PDE Problems
von: Wang, Tian, et al.
Veröffentlicht: (2024)

Convergence analysis of BDDC preconditioners for composite DG discretizations of the cardiac cell-by-cell model
von: Huynh, Ngoc Mai Monica, et al.
Veröffentlicht: (2022)

Solving Inverse Obstacle Scattering Problem with Latent Surface Representations
von: Chen, Junqing, et al.
Veröffentlicht: (2023)

A BDDC Preconditioner for the Cardiac EMI Model in three Dimensions
von: Goebel, Fritz, et al.
Veröffentlicht: (2025)

Pollution control for a spatially structured economic growth system
von: Anita, Sebastian, et al.
Veröffentlicht: (2025)

Parallel solvers for virtual element discretizations of elliptic equations in mixed form
von: Dassi, F., et al.
Veröffentlicht: (2019)

Boundary Integral Formulation of the Cell-by-Cell Model of Cardiac Electrophysiology
von: de Souza, Giacomo Rosilho, et al.
Veröffentlicht: (2023)

Robust parallel nonlinear solvers for implicit time discretizations of the Bidomain equations
von: Barnafi, Nicolás A., et al.
Veröffentlicht: (2022)

Orthogonal Constrained Neural Networks for Solving Structured Inverse Eigenvalue Problems
von: Zhang, Shuai, et al.
Veröffentlicht: (2024)

Adaptive Approximations of Inclusions in a Semilinear Elliptic Problem Related to Cardiac Electrophysiology
von: Jin, Bangti, et al.
Veröffentlicht: (2025)

The Neural Network Approach to Inverse Problems in Differential Equations
von: Xu, Kailai, et al.
Veröffentlicht: (2019)

Learning epidemic trajectories through Kernel Operator Learning: from modelling to optimal control
von: Ziarelli, Giovanni, et al.
Veröffentlicht: (2024)

SEIHRDV: a multi-age multi-group epidemiological model and its validation on the COVID-19 epidemics in Italy
von: Dede', Luca, et al.
Veröffentlicht: (2025)

Solving the Wide-band Inverse Scattering Problem via Equivariant Neural Networks
von: Zhang, Borong, et al.
Veröffentlicht: (2022)

DiLO: Decoupling Generative Priors and Neural Operators via Diffusion Latent Optimization for Inverse Problems
von: Liu, Haibo, et al.
Veröffentlicht: (2026)

Solving Inverse Acoustic Obstacle Scattering Problem with Phaseless Far-Field Measurement Using Deep Neural Network Surrogates
von: Fan, Yuxin, et al.
Veröffentlicht: (2025)

Solving Forward and Inverse Problems of Contact Mechanics using Physics-Informed Neural Networks
von: Sahin, T., et al.
Veröffentlicht: (2023)

A model learning framework for inferring the dynamics of transmission rate depending on exogenous variables for epidemic forecasts
von: Ziarelli, Giovanni, et al.
Veröffentlicht: (2024)

Data-Guided Physics-Informed Neural Networks for Solving Inverse Problems in Partial Differential Equations
von: Zhou, Wei, et al.
Veröffentlicht: (2024)

BIAN: A Deep Learning Method to Solve Inverse Problems Using Only Boundary Information
von: Chen, Feng, et al.
Veröffentlicht: (2025)

Transformer Causality Regularization for Dynamic Inverse Problems
von: Sarnighausen, Gesa, et al.
Veröffentlicht: (2026)

Optimization of gridding algorithms for FFT by vector optimization
von: Achini, Federico, et al.
Veröffentlicht: (2025)

Solving Implicit Inverse Problems with Homotopy-Based Regularization Path
von: Parodi, Davide, et al.
Veröffentlicht: (2025)

Spectral Function Space Learning and Numerical Linear Algebra Networks for Solving Linear Inverse Problems
von: Aspri, Andrea, et al.
Veröffentlicht: (2024)

RUNNs: Ritz-Uzawa Neural Networks for Solving Variational Problems
von: Herrera, Pablo, et al.
Veröffentlicht: (2026)

The Ensemble Kalman Filter for Dynamic Inverse Problems
von: Weissmann, Simon, et al.
Veröffentlicht: (2024)

Optimized Bayesian Framework for Inverse Heat Transfer Problems Using Reduced Order Methods
von: Bakhshaei, Kabir, et al.
Veröffentlicht: (2024)

Solving Inverse Parametrized Problems via Finite Elements and Extreme Learning Networks
von: Burman, Erik, et al.
Veröffentlicht: (2026)

Back-Projection Diffusion: Solving the Wideband Inverse Scattering Problem with Diffusion Models
von: Zhang, Borong, et al.
Veröffentlicht: (2024)

Preconditioned FEM-based Neural Networks for Solving Incompressible Fluid Flows and Related Inverse Problems
von: Griese, Franziska, et al.
Veröffentlicht: (2024)

Graph Neural Regularizers for PDE Inverse Problems
von: Lauga, William, et al.
Veröffentlicht: (2025)

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

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

Neural Green's Function Accelerated Iterative Methods for Solving Indefinite Boundary Value Problems
von: Li, Shengyan, et al.
Veröffentlicht: (2024)