Zobrazeno 1 - 7
of 7
pro vyhledávání: '"Smith, Torbjørn"'
Autor:
Smith, Torbjørn, Egeland, Olav
This paper presents a new method for learning dissipative Hamiltonian dynamics from a limited and noisy dataset. The method uses the Helmholtz decomposition to learn a vector field as the sum of a symplectic and a dissipative vector field. The two ve
Externí odkaz:
http://arxiv.org/abs/2410.18656
Autor:
Smith, Torbjørn, Egeland, Olav
Publikováno v:
European Journal of Control, 2024
A method for learning Hamiltonian dynamics from a limited and noisy dataset is proposed. The method learns a Hamiltonian vector field on a reproducing kernel Hilbert space (RKHS) of inherently Hamiltonian vector fields, and in particular, odd Hamilto
Externí odkaz:
http://arxiv.org/abs/2404.07703
Autor:
Smith, Torbjørn, Egeland, Olav
Publikováno v:
2024 European Control Conference (ECC)
This paper presents a method for learning Hamiltonian dynamics from a limited set of data points. The Hamiltonian vector field is found by regularized optimization over a reproducing kernel Hilbert space of vector fields that are inherently Hamiltoni
Externí odkaz:
http://arxiv.org/abs/2312.09734
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.