Zobrazeno 1 - 10
of 1 298
pro vyhledávání: '"Götte M"'
Publikováno v:
Mach. Learn.: Sci. Technol. 5, 025064 (2024)
Recent years have witnessed an increased interest in recovering dynamical laws of complex systems in a largely data-driven fashion under meaningful hypotheses. In this work, we propose a scalable and numerically robust method for this task, utilizing
Externí odkaz:
http://arxiv.org/abs/2208.01591
Given observations of a physical system, identifying the underlying non-linear governing equation is a fundamental task, necessary both for gaining understanding and generating deterministic future predictions. Of most practical relevance are automat
Externí odkaz:
http://arxiv.org/abs/2002.12388
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Sourouni, M.1,2 (AUTHOR), Götte, M.1 (AUTHOR), Kiesel, L.1 (AUTHOR), von Wahlde, M.-K.1 (AUTHOR)
Publikováno v:
Climacteric. Jun2023, Vol. 26 Issue 3, p275-283. 9p.
Autor:
Borodzicz-Jazdzyk, S., Vink, C. E. M., Demirkiran, A., Hoek, R., de Mooij, G. W., Hofman, M. B. M., Wilgenhof, A., Appelman, Y., Benovoy, M., Götte, M. J. W.
Publikováno v:
Scientific Reports; 4/26/2024, Vol. 14 Issue 1, p1-11, 11p
Autor:
Tomas-Perez, S., Oto, J., Castaño, M., Aghababyan, C., Herranz, R., Cuadros-Lozano, A., Gonzalez-Canto, E., Mc Cormack, B., Arres, J., Cana, F., Martinez-Fernandez, L., Santonja, N., Ramirez, R., Herreros-Pomares, A., Cañete-Mota, S., Llueca, A., Götte, M., Mari-Alexandre, J., Medina, P., Gilabert-Estelles, J.
Publikováno v:
In Research and Practice in Thrombosis and Haemostasis October 2023 7 Supplement 2
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Recent years have witnessed an increased interest in recovering dynamical laws of complex systems in a largely data-driven fashion under meaningful hypotheses. In this work, we propose a method for scalably learning dynamical laws of classical dynami
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::2a122ba0de3cb521b414469d3ebbed74
http://arxiv.org/abs/2208.01591
http://arxiv.org/abs/2208.01591