Buchumschlag

QuadNorm: Resolution-Robust Normalization for Neural Operators

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kim, Bum Jun, Kawano, Makoto, Iwasawa, Yusuke, Matsuo, Yutaka
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Computational Engineering, Finance, and Science Numerical Analysis
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Boundary Integral-based Neural Operator for Mesh Deformation
von: Wu, Zhengyu, et al.
Veröffentlicht: (2026)

Harnessing the Power of Neural Operators with Automatically Encoded Conservation Laws
von: Liu, Ning, et al.
Veröffentlicht: (2023)

QuadConv: Quadrature-Based Convolutions with Applications to Non-Uniform PDE Data Compression
von: Doherty, Kevin, et al.
Veröffentlicht: (2022)

Structure-Preserving Operator Learning
von: Bouziani, Nacime, et al.
Veröffentlicht: (2024)

Derivative-enhanced Deep Operator Network
von: Qiu, Yuan, et al.
Veröffentlicht: (2024)

HyCOP: Hybrid Composition Operators for Interpretable Learning of PDEs
von: Zhao, Jinpai, et al.
Veröffentlicht: (2026)

Nested Operator Inference for Adaptive Data-Driven Learning of Reduced-order Models
von: Aretz, Nicole, et al.
Veröffentlicht: (2025)

Neural networks can be FLOP-efficient integrators of 1D oscillatory integrands
von: Sinha, Anshuman, et al.
Veröffentlicht: (2024)

Improving hp-Variational Physics-Informed Neural Networks for Steady-State Convection-Dominated Problems
von: Anandh, Thivin, et al.
Veröffentlicht: (2024)

Adaptive Collocation Point Strategies For Physics Informed Neural Networks via the QR Discrete Empirical Interpolation Method
von: Celaya, Adrian, et al.
Veröffentlicht: (2025)

Time Resolution Independent Operator Learning
von: Abueidda, Diab W., et al.
Veröffentlicht: (2025)

Extremization to Fine Tune Physics Informed Neural Networks for Solving Boundary Value Problems
von: Thiruthummal, Abhiram Anand, et al.
Veröffentlicht: (2024)

Symplectic Neural Networks Based on Dynamical Systems
von: Tapley, Benjamin K
Veröffentlicht: (2024)

Fast training of accurate physics-informed neural networks without gradient descent
von: Datar, Chinmay, et al.
Veröffentlicht: (2024)

A finite operator learning technique for mapping the elastic properties of microstructures to their mechanical deformations
von: Rezaei, Shahed, et al.
Veröffentlicht: (2024)

A Predictive Surrogate Model for Heat Transfer of an Impinging Jet on a Concave Surface
von: Salavatidezfouli, Sajad, et al.
Veröffentlicht: (2024)

Gaussian process learning of nonlinear dynamics
von: Ye, Dongwei, et al.
Veröffentlicht: (2023)

Thermodynamically Consistent Latent Dynamics Identification for Parametric Systems
von: He, Xiaolong, et al.
Veröffentlicht: (2025)

An adjoint method for training data-driven reduced-order models
von: Liu, Donglin, et al.
Veröffentlicht: (2026)

A nonlinear extension of parametric model embedding for dimensionality reduction in parametric shape design
von: Serani, Andrea, et al.
Veröffentlicht: (2026)

Anvil: An integration of artificial intelligence, sampling techniques, and a combined CAD-CFD tool
von: Vardhan, Harsh, et al.
Veröffentlicht: (2024)

Analysis of Centrifugal Clutches in Two-Speed Automatic Transmissions with Deep Learning-Based Engagement Prediction
von: Lin, Bo-Yi, et al.
Veröffentlicht: (2024)

A brief review of the Deep BSDE method for solving high-dimensional partial differential equations
von: Han, Jiequn, et al.
Veröffentlicht: (2025)

Active learning for data-driven reduced models of parametric differential systems with Bayesian operator inference
von: McQuarrie, Shane A., et al.
Veröffentlicht: (2025)

The internal law of a material can be discovered from its boundary
von: Regazzoni, Francesco
Veröffentlicht: (2026)

Convergence of physics-informed neural networks modeling time-harmonic wave fields
von: Schoder, Stefan, et al.
Veröffentlicht: (2025)

Predicting Open-Hole Laminates Failure Using Support Vector Machines With Classical and Quantum Kernels
von: Balducci, Giorgio Tosti, et al.
Veröffentlicht: (2024)

Physics-informed active learning with simultaneous weak-form latent space dynamics identification
von: He, Xiaolong, et al.
Veröffentlicht: (2024)

Deep Learning-Based Prediction of Suspension Dynamics Performance in Multi-Axle Vehicles
von: Lin, Kai Chun, et al.
Veröffentlicht: (2024)

Rational kernel-based interpolation for complex-valued frequency response functions
von: Bect, Julien, et al.
Veröffentlicht: (2023)

Machine Learning based Extraction of Boundary Conditions from Doppler Echo Images for Patient Specific Coarctation of the Aorta: Computational Fluid Dynamics Study
von: Punabantu, Vincent Milimo Masilokwa, et al.
Veröffentlicht: (2022)

A mechanism-driven reinforcement learning framework for shape optimization of airfoils
von: Wang, Jingfeng, et al.
Veröffentlicht: (2024)

GPLaSDI: Gaussian Process-based Interpretable Latent Space Dynamics Identification through Deep Autoencoder
von: Bonneville, Christophe, et al.
Veröffentlicht: (2023)

Improving the Adaptive Moment Estimation (ADAM) stochastic optimizer through an Implicit-Explicit (IMEX) time-stepping approach
von: Bhattacharjee, Abhinab, et al.
Veröffentlicht: (2024)

Surrogates for Physics-based and Data-driven Modelling of Parametric Systems: Review and New Perspectives
von: Giacomini, Matteo, et al.
Veröffentlicht: (2026)

Smooth and Sparse Latent Dynamics in Operator Learning with Jerk Regularization
von: Xie, Xiaoyu, et al.
Veröffentlicht: (2024)

Unlocking Noise-Resistant Vision: Key Architectural Secrets for Robust Models
von: Kim, Bum Jun, et al.
Veröffentlicht: (2025)

Bayesian Matrix Decomposition and Applications
von: Lu, Jun
Veröffentlicht: (2023)

Accelerating Phase Field Simulations Through a Hybrid Adaptive Fourier Neural Operator with U-Net Backbone
von: Bonneville, Christophe, et al.
Veröffentlicht: (2024)

Aero-Nef: Neural Fields for Rapid Aircraft Aerodynamics Simulations
von: Catalani, Giovanni, et al.
Veröffentlicht: (2024)