Buchumschlag

From Simple to Complex: Curriculum-Guided Physics-Informed Neural Networks via Gaussian Mixture Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Jianan, Wang, Yiran, Li, Shuai, Cao, Fujun, Yan, Xuefei, Liu, Junmin
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Numerical Analysis
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Motion-Enabled Tomography via Gaussian Mixture Models
von: Burrows, Daniel, et al.
Veröffentlicht: (2026)

On the Stability and Convergence of Physics Informed Neural Networks
von: Gazoulis, Dimitrios, et al.
Veröffentlicht: (2023)

Preconditioning for Physics-Informed Neural Networks
von: Liu, Songming, et al.
Veröffentlicht: (2024)

Coupling Physics Informed Neural Networks with External Solvers
von: Halder, Rahul, et al.
Veröffentlicht: (2025)

Dual-Balancing for Physics-Informed Neural Networks
von: Zhou, Chenhong, et al.
Veröffentlicht: (2025)

PhysicsSolver: Transformer-Enhanced Physics-Informed Neural Networks for Forward and Forecasting Problems in Partial Differential Equations
von: Zhu, Zhenyi, et al.
Veröffentlicht: (2025)

DMIS: Dynamic Mesh-based Importance Sampling for Training Physics-Informed Neural Networks
von: Yang, Zijiang, et al.
Veröffentlicht: (2022)

Discontinuity Computing using Physics-Informed Neural Network
von: Liu, Li, et al.
Veröffentlicht: (2022)

Physics Informed Neural Networks for Learning the Horizon Size in Bond-Based Peridynamic Models
von: Difonzo, Fabio V., et al.
Veröffentlicht: (2025)

Incorporating Continuous Dependence Qualifies Physics-Informed Neural Networks for Operator Learning
von: Li, Guojie, et al.
Veröffentlicht: (2026)

Solution of Advection Equation with Discontinuous Initial and Boundary Conditions via Physics-Informed Neural Networks
von: Khosravi, Omid, et al.
Veröffentlicht: (2026)

Estimation of Hemodynamic Parameters via Physics Informed Neural Networks including Hematocrit Dependent Rheology
von: Sierpe, Moises, et al.
Veröffentlicht: (2025)

Physics Informed Neural Networks for heat conduction with phase change
von: Madir, Bahae-Eddine, et al.
Veröffentlicht: (2024)

A Physics-Informed Neural Network approach for compartmental epidemiological models
von: Millevoi, Caterina, et al.
Veröffentlicht: (2023)

Optimizing Variational Physics-Informed Neural Networks Using Least Squares
von: Uriarte, Carlos, et al.
Veröffentlicht: (2024)

Data-Guided Physics-Informed Neural Networks for Solving Inverse Problems in Partial Differential Equations
von: Zhou, Wei, et al.
Veröffentlicht: (2024)

The Ill-Posed Foundations of Physics-Informed Neural Networks and Their Finite-Difference Variants
von: Langer, Andreas
Veröffentlicht: (2026)

Deep Ritz Physics-Informed Neural Network Method for Solving the Variational Inequality
von: Zhou, Qijia, et al.
Veröffentlicht: (2026)

Extended Interface Physics-Informed Neural Networks Method for Moving Interface Problems
von: Bi, Ran, et al.
Veröffentlicht: (2025)

Refined generalization analysis of the Deep Ritz Method and Physics-Informed Neural Networks
von: Xu, Xianliang, et al.
Veröffentlicht: (2024)

PINNsur: Physics-Informed Neural Networks for PDEs on Curved Surfaces
von: Jain, Pranav, et al.
Veröffentlicht: (2026)

Runge-Kutta Physics Informed Neural Networks: Formulation and Analysis
von: Akrivis, Georgios, et al.
Veröffentlicht: (2024)

Mapping-based Hard-constrained Physics-Informed Neural Networks for unbounded wave problems
von: Zhang, Tao, et al.
Veröffentlicht: (2026)

Solving Poisson Problems in Polygonal Domains with Singularity Enriched Physics Informed Neural Networks
von: Hu, Tianhao, et al.
Veröffentlicht: (2023)

E-PINNs: Epistemic Physics-Informed Neural Networks
von: Jacob, Bruno, et al.
Veröffentlicht: (2025)

A Unified Benchmark of Physics-Informed Neural Networks and Kolmogorov-Arnold Networks for Ordinary and Partial Differential Equations
von: Dzimah, Salvador K., et al.
Veröffentlicht: (2026)

CLINN: Conservation Law Informed Neural Network for Approximating Discontinuous Solutions
von: Zeng, Weiheng, et al.
Veröffentlicht: (2025)

Coupling of the Finite Element Method with Physics Informed Neural Networks for the Multi-Fluid Flow Problem
von: Nohra, Michel, et al.
Veröffentlicht: (2024)

Non-Asymptotic Stability and Consistency Guarantees for Physics-Informed Neural Networks via Coercive Operator Analysis
von: Katende, Ronald
Veröffentlicht: (2025)

Causal Operator Discovery in Partial Differential Equations via Counterfactual Physics-Informed Neural Networks
von: Katende, Ronald
Veröffentlicht: (2025)

SVD-PINNs: Transfer Learning of Physics-Informed Neural Networks via Singular Value Decomposition
von: Gao, Yihang, et al.
Veröffentlicht: (2022)

Novel Product Manifold Modeling and Orthogonality-Constrained Neural Network Solver for Parameterized Generalized Inverse Eigenvalue Problems
von: Zhang, Shuai, et al.
Veröffentlicht: (2026)

Mathematical Modeling of Cancer-Bacterial Therapy: Analysis and Numerical Simulation via Physics-Informed Neural Networks
von: Farkane, Ayoub, et al.
Veröffentlicht: (2026)

Bayesian Physics Informed Neural Networks for Linear Inverse problems
von: Mohammad-Djafari, Ali
Veröffentlicht: (2025)

Transformed Physics-Informed Neural Networks for The Convection-Diffusion Equation
von: Guan, Jiajing, et al.
Veröffentlicht: (2024)

Number Theoretic Accelerated Learning of Physics-Informed Neural Networks
von: Matsubara, Takashi, et al.
Veröffentlicht: (2023)

Leveraging Lie Group Symmetries to Enhance Physics-Informed Neural Networks for the Fundamental Solution of Linear PDEs
von: Jiao, Xiaopei, et al.
Veröffentlicht: (2024)

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

Spectral-Prior Guided Multistage Physics-Informed Neural Networks for Highly Accurate PDE Solutions
von: Li, Yuzhen, et al.
Veröffentlicht: (2025)

Modelling parametric uncertainty in PDEs models via Physics-Informed Neural Networks
von: Panahi, Milad, et al.
Veröffentlicht: (2024)