arrow
返回

Active operator learning with predictive uncertainty quantification for partial differential equations

delete2026-02-21
delete0
PRE
AI
N
Nick Winovich
M
Mitchell Daneker
L
Lu Lu
G
Guang Lin
DOI:10.1016/j.jcp.2026.114791delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
• 深度神经网络算子配备了预测不确定性以准确估计误差。 • 不确定性预测泛化到分布外数据及函数空间。 • 我们引入了一种优化的推理实现,适用于实时应用。 • 预测不确定性用于加速函数空间中的主动学习。
Keyword:
Deep neural operators
Predictive uncertainty
Active learning
Partial differential equations
Uncertainty quantification

期刊

Journal of Computational Physics 封面图
Journal of Computational Physics
IF:
3.8
论文数:
1.5W
被引数:
7.4W

机构

P
purdue university
学者数:
1.5K
论文数: 749
被引数: 1
Y
yale university
学者数:
8.2K
论文数: 3.5K
被引数: 2
S
Sandia National Laboratories
学者数:
5.5K
论文数: 3.8K
被引数: 6.4K
学者 查看更多机构
引用论文

引用论文

err分享
err收藏
MFEM: A modular finite element methods library
err2021-01-01
err0
errOAAI
errRobert Anderson; Julian Andrej; Andrew Barker; Jamie Bramwell; Jean-Sylvain Camier; Jakub Cerveny; Veselin Dobrev; Yohann Dudouit; Aaron Fisher; Tzanio Kolev; Will Pazner; Mark Stowell; Vladimir Tomov; Ido Akkerman; Johann Dahm; David Medina; Stefano Zampini
err分享
err收藏
Deep transfer operator learning for partial differential equations under conditional shift
err2022-12-01
err37
PREAI
errGoswami, Somdatta; Kontolati, Katiana; Shields, Michael D. D.; Karniadakis, George Em
err分享
err收藏
err分享
err收藏
学者 查看更多内容