Learning nonparametric ordinary differential equations from noisy data
Learning nonparametric systems of Ordinary Differential Equations (ODEs) x˙=f(t,x) from noisy data is an emerging machine learning topic. We use the well-developed theory of Reproducing Kernel Hilbert Spaces (RKHS) to define candidates for f for which the solution of the ODE exists and is unique. Le...
Ausführliche Beschreibung
Bibliographische Detailangaben
| Veröffentlicht in: | Journal of computational physics. - 1986. - 507(2024) vom: 15. Mai
|
|---|
| 1. Verfasser: |
Lahouel, Kamel
(VerfasserIn) |
|---|
| Weitere Verfasser: |
Wells, Michael,
Rielly, Victor,
Lew, Ethan,
Lovitza, David,
Jedynak, Bruno M |
|---|
| Format: | Online-Aufsatz
|
|---|
| Sprache: | English |
|---|
| Veröffentlicht: |
2024
|
|---|
| Zugriff auf das übergeordnete Werk: | Journal of computational physics
|
|---|
| Schlagworte: | Journal Article |
|---|