Buchumschlag

Replay-Based Continual Learning for Physics-Informed Neural Operators

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Yizheng, Eshaghi, Mohammad Sadegh, Zhuang, Xiaoying, Rabczuk, Timon, Liu, Yinghua
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

Transfer Learning in Physics-Informed Neural Networks: Full Fine-Tuning, Lightweight Fine-Tuning, and Low-Rank Adaptation
von: Wang, Yizheng, et al.
Veröffentlicht: (2025)

NOWS: Neural Operator Warm Starts for Accelerating Iterative Solvers
von: Eshaghi, Mohammad Sadegh, et al.
Veröffentlicht: (2025)

Kolmogorov Arnold Informed neural network: A physics-informed deep learning framework for solving forward and inverse problems based on Kolmogorov Arnold Networks
von: Wang, Yizheng, et al.
Veröffentlicht: (2024)

Applications of Scientific Machine Learning for the Analysis of Functionally Graded Porous Beams
von: Eshaghi, Mohammad Sadegh, et al.
Veröffentlicht: (2024)

Physics-informed Machine Learning for Static Friction Modeling in Robotic Manipulators Based on Kolmogorov-Arnold Networks
von: Wang, Yizheng, et al.
Veröffentlicht: (2025)

Pretrain Finite Element Method: A Pretraining and Warm-start Framework for PDEs via Physics-Informed Neural Operators
von: Wang, Yizheng, et al.
Veröffentlicht: (2026)

Transfer Learning in Physics‐Informed Neurals Networks: Full Fine‐Tuning, Lightweight Fine‐Tuning, and Low‐Rank Adaptation
von: Yizheng Wang, et al.
Veröffentlicht: (2025)

Variational Physics-informed Neural Operator (VINO) for Solving Partial Differential Equations
von: Eshaghi, Mohammad Sadegh, et al.
Veröffentlicht: (2024)

Deep Energy Method with Large Language Model assistance: an open-source Streamlit-based platform for solving variational PDEs
von: Wang, Yizheng, et al.
Veröffentlicht: (2026)

Multi-Head Neural Operator for Modelling Interfacial Dynamics
von: Eshaghi, Mohammad Sadegh, et al.
Veröffentlicht: (2025)

DCEM: A deep complementary energy method for solid mechanics
von: Wang, Yizheng, et al.
Veröffentlicht: (2023)

Artificial intelligence for partial differential equations in computational mechanics: A review
von: Wang, Yizheng, et al.
Veröffentlicht: (2024)

WINO: A Weak-Form Physics Informed Neural Operator for Hyperelasticity on Variable Domains
von: Zhu, Bokai, et al.
Veröffentlicht: (2026)

PENCO: A Physics-Energy-Numerics-Consistent Operator for 3D Phase Field Modeling
von: Bamdad, Mostafa, et al.
Veröffentlicht: (2025)

A Pretraining-Finetuning Computational Framework for Material Homogenization
von: Wang, Yizheng, et al.
Veröffentlicht: (2024)

Towards Unified AI-Driven Fracture Mechanics: The Extended Deep Energy Method (XDEM)
von: Wang, Yizheng, et al.
Veröffentlicht: (2025)

DCEM: A deep complementary energy method for linear elasticity
von: Yizheng Wang, et al.
Veröffentlicht: (2024)

Energy-based physics-informed neural network for frictionless contact problems under large deformation
von: Bai, Jinshuai, et al.
Veröffentlicht: (2024)

A Computational Model for Flexoelectricity-Driven Contact Electrification
von: Hu, Han, et al.
Veröffentlicht: (2026)

A first-principles study on the physical properties of two-dimensional Nb3Cl8, Nb3Br8 and Nb3I8
von: Mortazavi, Bohayra, et al.
Veröffentlicht: (2024)

Theoretical Insights into Overparameterized Models in Multi-Task and Replay-Based Continual Learning
von: Banayeeanzade, Amin, et al.
Veröffentlicht: (2024)

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

FC-PINO: High Precision Physics-Informed Neural Operators via Fourier Continuation
von: Ganeshram, Adarsh, et al.
Veröffentlicht: (2022)

Physics-Informed Kolmogorov-Arnold Networks for multi-material elasticity problems in electronic packaging
von: Gong, Yanpeng, et al.
Veröffentlicht: (2025)

Phase-field modeling of multicomponent vesicles in viscoelastic fluid
von: Wen, Zuowei, et al.
Veröffentlicht: (2025)

On the Limitation and Experience Replay for GNNs in Continual Learning
von: Su, Junwei, et al.
Veröffentlicht: (2023)

Information-Theoretic Generalization Bounds of Replay-based Continual Learning
von: Wen, Wen, et al.
Veröffentlicht: (2025)

Continual Learning with Diffusion-based Generative Replay for Industrial Streaming Data
von: He, Jiayi, et al.
Veröffentlicht: (2024)

Physics-Informed Neural Operators for Cardiac Electrophysiology
von: Lydon, Hannah, et al.
Veröffentlicht: (2025)

Graph Continual Learning with Debiased Lossless Memory Replay
von: Niu, Chaoxi, et al.
Veröffentlicht: (2024)

Unsupervised Replay Strategies for Continual Learning with Limited Data
von: Bazhenov, Anthony, et al.
Veröffentlicht: (2024)

Continual Learning: Less Forgetting, More OOD Generalization via Adaptive Contrastive Replay
von: Rezaei, Hossein, et al.
Veröffentlicht: (2024)

Prototype-Based Continual Learning with Label-free Replay Buffer and Cluster Preservation Loss
von: Aghasanli, Agil, et al.
Veröffentlicht: (2025)

Better Generative Replay for Continual Federated Learning
von: Qi, Daiqing, et al.
Veröffentlicht: (2023)

Continuous Unsupervised Domain Adaptation Using Stabilized Representations and Experience Replay
von: Rostami, Mohammad
Veröffentlicht: (2024)

Layerwise Proximal Replay: A Proximal Point Method for Online Continual Learning
von: Yoo, Jason, et al.
Veröffentlicht: (2024)

Pseudo-Physics-Informed Neural Operators: Enhancing Operator Learning from Limited Data
von: Chen, Keyan, et al.
Veröffentlicht: (2025)

Autoencoder-Based Hybrid Replay for Class-Incremental Learning
von: Nori, Milad Khademi, et al.
Veröffentlicht: (2025)

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

Generalized Lie Symmetries in Physics-Informed Neural Operators
von: Wang, Amy Xiang, et al.
Veröffentlicht: (2025)