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

Rezultati

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

Naziv:	Estimating Koopman operators with sketching to provably learn large scale dynamical systems
Autori:	Meanti, Giacomo; Chatalic, Antoine; Kostic, Vladimir R; Novelli, Pietro; Pontil, Massimiliano; Rosasco, Lorenzo
Godina:	2023
Publikacija:	ADVANCES IN NEURAL INFORMATION PROCESSING SYSTEMS 36 (NEURIPS 2023)
ISSN:	1049-5258 Pretraži identifikator
Tip rezultata:	Konferencijski rad
WoS-ID:	001220818805036
URI:	https://enauka.gov.rs/handle/123456789/939577
Projekat:	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]
Izvor metapodataka:	(Preuzeto iz Nasi u WoS)
M-kategorija:	Mp kategorija će biti prikazana naknadno.

Pronađi DOI

Pronalaženje DOI u servisu CrossRef-u na osnovu meta-podataka u zapisu. Prikazaće se DOI (i metapodaci) čiji se podaci najviše poklapaju. OPREZ - to ne mora biti ta publikacija.

Google Scholar^TM

Rezultati na eNauka su zaštićeni autorskim pravima i sva prava su zadržana, osim ako nije drugačije naznačeno.