Buchumschlag

Physics-Informed Neural Networks with Learnable Loss Balancing and Transfer Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Pirayeshshirazinezhad, Reza
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

SPINN: An Optimal Self-Supervised Physics-Informed Neural Network Framework
von: Pirayeshshirazinezhad, Reza
Veröffentlicht: (2025)

Multi-Objective Loss Balancing for Physics-Informed Deep Learning
von: Bischof, Rafael, et al.
Veröffentlicht: (2021)

Learning from Integral Losses in Physics Informed Neural Networks
von: Saleh, Ehsan, et al.
Veröffentlicht: (2023)

Exploring Physics-Informed Neural Networks for Crop Yield Loss Forecasting
von: Miranda, Miro, et al.
Veröffentlicht: (2024)

On the Probabilistic Learnability of Compact Neural Network Preimage Bounds
von: Marzari, Luca, et al.
Veröffentlicht: (2025)

NeuralOGCM: Differentiable Ocean Modeling with Learnable Physics
von: Wu, Hao, et al.
Veröffentlicht: (2025)

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)

Physics-Informed Neural Networks for High-Frequency and Multi-Scale Problems using Transfer Learning
von: Mustajab, Abdul Hannan, et al.
Veröffentlicht: (2024)

Boosting Graph Neural Network Expressivity with Learnable Lanczos Constraints
von: Azizi, Niloofar, et al.
Veröffentlicht: (2024)

Densely Multiplied Physics Informed Neural Networks
von: Jiang, Feilong, et al.
Veröffentlicht: (2024)

Explainable AI-Enhanced Supervisory Control for High-Precision Spacecraft Formation
von: Pirayeshshirazinezhad, Reza
Veröffentlicht: (2025)

Müntz-Szász Networks: Neural Architectures with Learnable Power-Law Bases
von: N'guessan, Gnankan Landry Regis
Veröffentlicht: (2025)

Deep Neural Networks as Discrete Dynamical Systems: Implications for Physics-Informed Learning
von: Ganguly, Abhisek, et al.
Veröffentlicht: (2026)

Fully Learnable Neural Reward Machines
von: Dewidar, Hazem, et al.
Veröffentlicht: (2025)

Depth-Adaptive Graph Neural Networks via Learnable Bakry-'Emery Curvature
von: Hevapathige, Asela, et al.
Veröffentlicht: (2025)

Learning to be Reproducible: Custom Loss Design for Robust Neural Networks
von: Ahmed, Waqas, et al.
Veröffentlicht: (2026)

Lightweight Geometric Adaptation for Training Physics-Informed Neural Networks
von: An, Kang, et al.
Veröffentlicht: (2026)

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

Improved Training of Physics-Informed Neural Networks with Model Ensembles
von: Haitsiukevich, Katsiaryna, et al.
Veröffentlicht: (2022)

Tiled Bit Networks: Sub-Bit Neural Network Compression Through Reuse of Learnable Binary Vectors
von: Gorbett, Matt, et al.
Veröffentlicht: (2024)

Perception-Informed Neural Networks: Beyond Physics-Informed Neural Networks
von: Mazandarani, Mehran, et al.
Veröffentlicht: (2025)

Learning Physics Informed Neural ODEs With Partial Measurements
von: Ghanem, Paul, et al.
Veröffentlicht: (2024)

Evidential Physics-Informed Neural Networks
von: Tan, Hai Siong, et al.
Veröffentlicht: (2025)

Neural Network Plasticity and Loss Sharpness
von: Koster, Max, et al.
Veröffentlicht: (2024)

Heterogeneous Graph Neural Networks with Loss-decrease-aware Curriculum Learning
von: Wang, Yili
Veröffentlicht: (2024)

Physics-Informed Neural Network Surrogate Models for River Stage Prediction
von: Zoch, Maximilian, et al.
Veröffentlicht: (2025)

GINN-KAN: Interpretability pipelining with applications in Physics Informed Neural Networks
von: Ranasinghe, Nisal, et al.
Veröffentlicht: (2024)

Meta-Learning and Knowledge Discovery based Physics-Informed Neural Network for Remaining Useful Life Prediction
von: Wang, Yu, et al.
Veröffentlicht: (2025)

Transfer learning in Scalable Graph Neural Network for Improved Physical Simulation
von: Shen, Siqi, et al.
Veröffentlicht: (2025)

Z-Error Loss for Training Neural Networks
von: Godin, Guillaume
Veröffentlicht: (2025)

DiffGrad for Physics-Informed Neural Networks
von: Rahman, Jamshaid Ul, et al.
Veröffentlicht: (2024)

Physics-Informed Neural Networks with Architectural Physics Embedding for Large-Scale Wave Field Reconstruction
von: Zhang, Huiwen, et al.
Veröffentlicht: (2026)

iPINNER: An Iterative Physics-Informed Neural Network with Ensemble Kalman Filter
von: Lu, Binghang, et al.
Veröffentlicht: (2025)

Mask-PINNs: Mitigating Internal Covariate Shift in Physics-Informed Neural Networks
von: Jiang, Feilong, et al.
Veröffentlicht: (2025)

Limitations of Physics-Informed Neural Networks: a Study on Smart Grid Surrogation
von: Cestero, Julen, et al.
Veröffentlicht: (2025)

Drug Release Modeling using Physics-Informed Neural Networks
von: Qureshi, Daanish Aleem, et al.
Veröffentlicht: (2026)

PIMPC-GNN: Physics-Informed Multi-Phase Consensus Learning for Enhancing Imbalanced Node Classification in Graph Neural Networks
von: Fofanah, Abdul Joseph, et al.
Veröffentlicht: (2026)

naPINN: Noise-Adaptive Physics-Informed Neural Networks for Recovering Physics from Corrupted Measurement
von: Kim, Hankyeol, et al.
Veröffentlicht: (2026)

Physics-Informed Neural Networks for Vessel Trajectory Prediction: Learning Time-Discretized Kinematic Dynamics via Finite Differences
von: Alam, Md Mahbub, et al.
Veröffentlicht: (2025)