Copertina

GRIFDIR: Graph Resolution-Invariant FEM Diffusion Models in Function Spaces over Irregular Domains

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Rowbottom, James, Baker, Elizabeth L., Huang, Nick, Adcock, Ben, Schönlieb, Carola-Bibiane, Denker, Alexander
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Christoffel-DPS: Optimal sensor placement in diffusion posterior sampling for arbitrary distributions
di: Rowbottom, James, et al.
Pubblicazione: (2026)

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

Trajectory Stitching for Solving Inverse Problems with Flow-Based Models
di: Denker, Alexander, et al.
Pubblicazione: (2026)

Multi-Level Monte Carlo Training of Neural Operators
di: Rowbottom, James, et al.
Pubblicazione: (2025)

HypeR Adaptivity: Joint $hr$-Adaptive Meshing via Hypergraph Multi-Agent Deep Reinforcement Learning
di: Grillo, Niccolò, et al.
Pubblicazione: (2025)

Expressivity of Bi-Lipschitz Normalizing Flows: A Score-Based Diffusion Perspective
di: Iske, Meira, et al.
Pubblicazione: (2026)

Lie Algebra Canonicalization: Equivariant Neural Operators under arbitrary Lie Groups
di: Shumaylov, Zakhar, et al.
Pubblicazione: (2024)

On The Temporal Domain of Differential Equation Inspired Graph Neural Networks
di: Eliasof, Moshe, et al.
Pubblicazione: (2024)

Spatiotemporal Graph Neural Network Modelling Perfusion MRI
di: Yan, Ruodan, et al.
Pubblicazione: (2024)

Data-driven approaches to inverse problems
di: Schönlieb, Carola-Bibiane, et al.
Pubblicazione: (2025)

TANGO: Graph Neural Dynamics via Learned Energy and Tangential Flows
di: Eliasof, Moshe, et al.
Pubblicazione: (2025)

Supervised Guidance Training for Infinite-Dimensional Diffusion Models
di: Baker, Elizabeth L., et al.
Pubblicazione: (2026)

GRANOLA: Adaptive Normalization for Graph Neural Networks
di: Eliasof, Moshe, et al.
Pubblicazione: (2024)

Bellman Diffusion: Generative Modeling as Learning a Linear Operator in the Distribution Space
di: Li, Yangming, et al.
Pubblicazione: (2024)

How many measurements are enough? Bayesian recovery in inverse problems with general distributions
di: Adcock, Ben, et al.
Pubblicazione: (2025)

Resilient Graph Neural Networks: A Coupled Dynamical Systems Approach
di: Eliasof, Moshe, et al.
Pubblicazione: (2023)

Bridging Input Feature Spaces Towards Graph Foundation Models
di: Eliasof, Moshe, et al.
Pubblicazione: (2026)

Inverse Evolution Data Augmentation for Neural PDE Solvers
di: Liu, Chaoyu, et al.
Pubblicazione: (2025)

Potential Contrast: Properties, Equivalences, and Generalization to Multiple Classes
di: Peaslee, Wallace, et al.
Pubblicazione: (2025)

Generative Unordered Flow for Set-Structured Data Generation
di: Li, Yangming, et al.
Pubblicazione: (2025)

Deep Network Trainability via Persistent Subspace Orthogonality
di: Massucco, Alex, et al.
Pubblicazione: (2025)

Enhanced Denoising and Convergent Regularisation Using Tweedie Scaling
di: Khelifa, Naïl, et al.
Pubblicazione: (2025)

Stochastic Primal-Dual Three Operator Splitting Algorithm with Extension to Equivariant Regularization-by-Denoising
di: Tang, Junqi, et al.
Pubblicazione: (2022)

Continuous Learned Primal Dual
di: Runkel, Christina, et al.
Pubblicazione: (2024)

Approximation Theory for Lipschitz Continuous Transformers
di: Furuya, Takashi, et al.
Pubblicazione: (2026)

Approximation theory for 1-Lipschitz ResNets
di: Murari, Davide, et al.
Pubblicazione: (2025)

Message-Passing State-Space Models: Improving Graph Learning with Modern Sequence Modeling
di: Ceni, Andrea, et al.
Pubblicazione: (2025)

Laplace Learning in Wasserstein Space
di: Oliver, Mary Chriselda Antony, et al.
Pubblicazione: (2025)

G-Adaptivity: optimised graph-based mesh relocation for finite element methods
di: Rowbottom, James, et al.
Pubblicazione: (2024)

Learning Regularization for Graph Inverse Problems
di: Eliasof, Moshe, et al.
Pubblicazione: (2024)

On the Effectiveness of Random Weights in Graph Neural Networks
di: Bui, Thu, et al.
Pubblicazione: (2025)

DiGRAF: Diffeomorphic Graph-Adaptive Activation Function
di: Mantri, Krishna Sri Ipsit, et al.
Pubblicazione: (2024)

Towards Improved Sentence Representations using Token Graphs
di: Mantri, Krishna Sri Ipsit, et al.
Pubblicazione: (2026)

Stochastic Multiresolution Image Sketching for Inverse Imaging Problems
di: Perelli, Alessandro, et al.
Pubblicazione: (2024)

Proximal Langevin Sampling With Inexact Proximal Mapping
di: Ehrhardt, Matthias J., et al.
Pubblicazione: (2023)

On Oversquashing in Graph Neural Networks Through the Lens of Dynamical Systems
di: Gravina, Alessio, et al.
Pubblicazione: (2025)

On Oversquashing in Graph Neural Networks Through the Lens of Dynamical Systems
di: Gravina, Alessio, et al.
Pubblicazione: (2024)

Function recovery and optimal sampling in the presence of nonuniform evaluation costs
di: Adcock, Ben
Pubblicazione: (2025)

HAMLET: Graph Transformer Neural Operator for Partial Differential Equations
di: Bryutkin, Andrey, et al.
Pubblicazione: (2024)

Weakly Convex Regularisers for Inverse Problems: Convergence of Critical Points and Primal-Dual Optimisation
di: Shumaylov, Zakhar, et al.
Pubblicazione: (2024)