Estimating Koopman operators with sketching to provably learn large scale dynamical systems

Meanti, Giacomo; Chatalic, Antoine; Kostic, Vladimir R; Novelli, Pietro; Pontil, Massimiliano; Rosasco, Lorenzo

Резултати

еНаука > Резултати > Estimating Koopman operators with sketching to provably learn large scale dynamical systems

Назив:	Estimating Koopman operators with sketching to provably learn large scale dynamical systems
Аутори:	Meanti, Giacomo; Chatalic, Antoine; Kostic, Vladimir R ; Novelli, Pietro; Pontil, Massimiliano; Rosasco, Lorenzo
Година:	2023
Публикација:	ADVANCES IN NEURAL INFORMATION PROCESSING SYSTEMS 36 (NEURIPS 2023)
ISSN:	1049-5258 Претражи идентификатор
Тип резултата:	Конференцијски рад
WoS-ID:	001220818805036
Scopus-ID:	2-s2.0-85191169954
URI:	https://enauka.gov.rs/handle/123456789/939577 https://cris.uns.ac.rs/en/scientific-results/proceedings-publication/47365
Пројекат:	European Research Council (ERC) under the European Union [819789] European Research Council [SLING 819789] AFOSR [FA9550-18-1-7009, FA9550-17-1-0390, BAA-AFRL-AFOSR2016-0007] (European Office of Aerospace Research and Development) EU H2020-MSCA-RISE project [NoMADS -DLV-777826] Center for Brains, Minds and Machines (CBMM) - NSF STC [CCF-1231216, PE0000013-FAIR] European Union [951847, 101070617]
Извор метаподатака:	(Preuzeto iz Nasi u WoS)
М-категорија:	Мп категорија ће бити приказана накнадно.

7
SCOPUS^TM

2
WEB OF SCIENCE^TM

Пронађи DOI

Проналажење DOI у сервису CrossRef-у на основу мета-података у запису. Приказаће се DOI (и метаподаци) чији се подаци највише поклапају. ОПРЕЗ - то не мора бити та публикација.

Google Scholar^TM

Резултати на еНаука су заштићени ауторским правима и сва права су задржана, осим ако није другачије назначено.