:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wilson, Dan, Akrout, Mohamed
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Dynamical Systems
Online-Zugang:	https://arxiv.org/abs/2605.05134
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Uncertainty Quantification in Data-Driven Dynamical Models via Inverse Problem Solving
von: Akrout, Mohamed, et al.
Veröffentlicht: (2026)

Machine-Precision Prediction of Low-Dimensional Chaotic Systems
von: Schötz, Christof, et al.
Veröffentlicht: (2025)

PINN-Obs: Physics-Informed Neural Network-Based Observer for Nonlinear Dynamical Systems
von: Farkane, Ayoub, et al.
Veröffentlicht: (2025)

Dynamics-Informed Deep Learning for Predicting Extreme Events
von: Katsidoniotaki, Eirini, et al.
Veröffentlicht: (2026)

Online Optimization and Ambiguity-based Learning of Distributionally Uncertain Dynamic Systems
von: Li, Dan, et al.
Veröffentlicht: (2021)

Machine Learning for Complex Systems Dynamics: Detecting Bifurcations in Dynamical Systems with Deep Neural Networks
von: Pal, Swadesh, et al.
Veröffentlicht: (2026)

Binned Spectral Power Loss for Improved Prediction of Chaotic Systems
von: Chakraborty, Dibyajyoti, et al.
Veröffentlicht: (2025)

Deep Learning of the Evolution Operator Enables Forecasting of Out-of-Training Dynamics in Chaotic Systems
von: Shokar, Ira J. S., et al.
Veröffentlicht: (2025)

CEBoosting: Online Sparse Identification of Dynamical Systems with Regime Switching by Causation Entropy Boosting
von: Chen, Chuanqi, et al.
Veröffentlicht: (2023)

Neural Context Flows for Meta-Learning of Dynamical Systems
von: Nzoyem, Roussel Desmond, et al.
Veröffentlicht: (2024)

Joint Learning of Linear Time-Invariant Dynamical Systems
von: Modi, Aditya, et al.
Veröffentlicht: (2021)

Zero-shot Imputation with Foundation Inference Models for Dynamical Systems
von: Seifner, Patrick, et al.
Veröffentlicht: (2024)

A Scalable Real-Time Data Assimilation Framework for Predicting Turbulent Atmosphere Dynamics
von: Yin, Junqi, et al.
Veröffentlicht: (2024)

Deep Recurrent Stochastic Configuration Networks for Modelling Nonlinear Dynamic Systems
von: Dang, Gang, et al.
Veröffentlicht: (2024)

Flowing Through Layers: A Continuous Dynamical Systems Perspective on Transformers
von: Fein-Ashley, Jacob
Veröffentlicht: (2025)

Self-Supervised Evolution Operator Learning for High-Dimensional Dynamical Systems
von: Turri, Giacomo, et al.
Veröffentlicht: (2025)

DySLIM: Dynamics Stable Learning by Invariant Measure for Chaotic Systems
von: Schiff, Yair, et al.
Veröffentlicht: (2024)

Out-of-Domain Generalization in Dynamical Systems Reconstruction
von: Göring, Niclas, et al.
Veröffentlicht: (2024)

Enhancing Neural Training via a Correlated Dynamics Model
von: Brokman, Jonathan, et al.
Veröffentlicht: (2023)

Structural System Identification via Validation and Adaptation
von: López, Cristian, et al.
Veröffentlicht: (2025)

A Training-Free Conditional Diffusion Model for Learning Stochastic Dynamical Systems
von: Liu, Yanfang, et al.
Veröffentlicht: (2024)

Cross-Modal Diffusion for Biomechanical Dynamical Systems Through Local Manifold Alignment
von: Dey, Sharmita, et al.
Veröffentlicht: (2025)

ADAM-SINDy: An Efficient Optimization Framework for Parameterized Nonlinear Dynamical System Identification
von: Viknesh, Siva, et al.
Veröffentlicht: (2024)

Neural Ordinary Differential Equations for Learning and Extrapolating System Dynamics Across Bifurcations
von: van Tegelen, Eva, et al.
Veröffentlicht: (2025)

Optimal Recurrent Network Topologies for Dynamical Systems Reconstruction
von: Hemmer, Christoph Jürgen, et al.
Veröffentlicht: (2024)

A Novel Neural Filter to Improve Accuracy of Neural Network Models of Dynamic Systems
von: Oveissi, Parham, et al.
Veröffentlicht: (2024)

Understanding Catastrophic Forgetting In LoRA via Mean-Field Attention Dynamics
von: Koubbi, Hugo, et al.
Veröffentlicht: (2024)

Backpropagation on Dynamical Networks
von: Tan, Eugene, et al.
Veröffentlicht: (2022)

CGKN: A Deep Learning Framework for Modeling Complex Dynamical Systems and Efficient Data Assimilation
von: Chen, Chuanqi, et al.
Veröffentlicht: (2024)

Attention as In-Context Empirical Bayes: A Two-Stage View via Particle Dynamics
von: Smart, Matthew, et al.
Veröffentlicht: (2026)

Safely Learning Dynamical Systems
von: Ahmadi, Amir Ali, et al.
Veröffentlicht: (2023)

Automating the Discovery of Partial Differential Equations in Dynamical Systems
von: Li, Weizhen, et al.
Veröffentlicht: (2024)

Invariant Measures in Time-Delay Coordinates for Unique Dynamical System Identification
von: Botvinick-Greenhouse, Jonah, et al.
Veröffentlicht: (2024)

Learning Stochastic Hamiltonian Systems via Stochastic Generating Function Neural Network
von: Chen, Chen, et al.
Veröffentlicht: (2025)

Safe and Robust Domains of Attraction for Discrete-Time Systems: A Set-Based Characterization and Certifiable Neural Network Estimation
von: Serry, Mohamed, et al.
Veröffentlicht: (2026)

True Zero-Shot Inference of Dynamical Systems Preserving Long-Term Statistics
von: Hemmer, Christoph Jürgen, et al.
Veröffentlicht: (2025)

Learning Dissipative Neural Dynamical Systems
von: Xu, Yuezhu, et al.
Veröffentlicht: (2023)

A Physics-informed Machine Learning-based Control Method for Nonlinear Dynamic Systems with Highly Noisy Measurements
von: Ma, Mason, et al.
Veröffentlicht: (2023)

Reduced Order Modeling of Nonlinear Dynamical Systems Using Slow Manifolds
von: Wilson, Dan
Veröffentlicht: (2025)

Automated Global Analysis of Experimental Dynamics through Low-Dimensional Linear Embeddings
von: Moore, Samuel A., et al.
Veröffentlicht: (2024)