会员服务
Do physics-informed neural networks (PINNs) need to be deep? Shallow PINNs using the Levenberg-Marquardt algorithm
Arxiv
0+阅读 · 2月9日
Do physics-informed neural networks (PINNs) need to be deep? Shallow PINNs using the Levenberg-Marquardt algorithm
Arxiv
0+阅读 · 2月11日
Batch-based Bayesian Optimal Experimental Design in Linear Inverse Problems
Arxiv
0+阅读 · 2月12日
GenPANIS: A Latent-Variable Generative Framework for Forward and Inverse PDE Problems in Multiphase Media
Arxiv
0+阅读 · 2月16日
Are Statistical Methods Obsolete in the Era of Deep Learning? A Study of ODE Inverse Problems
Arxiv
0+阅读 · 2月14日
Learning-guided Kansa collocation for forward and inverse PDEs beyond linearity
Arxiv
0+阅读 · 2月8日
Inverse problems with diffusion models: MAP estimation via mode-seeking loss
Arxiv
0+阅读 · 2月6日
An ILUES-based adaptive Gaussian process method for multimodal Bayesian inverse problems
Arxiv
0+阅读 · 2月14日
Bayesian decomposition using Besov priors
Arxiv
0+阅读 · 2月12日
Solving Inverse Parametrized Problems via Finite Elements and Extreme Learning Networks
Arxiv
0+阅读 · 2月16日
Variational Sparse Paired Autoencoders (vsPAIR) for Inverse Problems and Uncertainty Quantification
Arxiv
0+阅读 · 2月10日
Guided Diffusion Sampling on Function Spaces with Applications to PDEs
Arxiv
0+阅读 · 2月4日
Conformal mapping based Physics-informed neural networks for designing neutral inclusions
Arxiv
0+阅读 · 2月2日
Multimodal Scientific Learning Beyond Diffusions and Flows
Arxiv
0+阅读 · 2月1日
DeepLight: A Sobolev-trained Image-to-Image Surrogate Model for Light Transport in Tissue
Arxiv
0+阅读 · 1月14日
参考链接
微信扫码咨询专知VIP会员
Top