Aurelian Gheondea: Mercer's Theorem. An Operator Theorist's Perspective.
Aurélien Gheondea : Le théorème de Mercer. Le point de vue d'un théoricien des opérateurs.
★
★
★
★
☆
4/5
Machine Learning and Dynamical Systems Seminar
@mlds_seminar
Aurelian Gheondea: Reproducing Kernel Hilbert Spaces. General Theory towards Mercer's Theorem
Aurelian Gheondea: Espaces de Hilbert à noyau reproduisant. Théorie générale vers le théorème de Mercer
★
★
★
★
☆
4/5
Yuanchao Xu: Generative Modeling through Koopman Spectral Analysis
Yuanchao Xu : Modélisation générative par analyse spectrale de Koopman
★
★
★
★
☆
4/5
Kateryna Morozovska : Discovering Partially Known ODEs for Chemical Kinetics
Kateryna Morozovska : Découverte d'EDO partiellement connues pour la cinétique chimique
★
★
★
★
☆
4/5
Francesco Martinuzzi: Learning Single and Multiple Chaotic Systems with Minimal Reservoir Computing
Francesco Martinuzzi: Apprentissage de systèmes chaotiques simples et multiples avec un calcul par réservoir minimal
★
★
★
★
☆
4/5
Mohammad Tabish: Data-driven operator learning: Dictionary optimization and randomized neural nets
Mohammad Tabish: Apprentissage d'opérateurs basé sur les données : Optimisation de dictionnaires et réseaux neuronaux aléatoires
★
★
★
★
☆
4/5
Enrique Zuazua: Machine Learning, Control Theory, and PDEs
Enrique Zuazua : Apprentissage automatique, théorie du contrôle et EDP
★
★
★
★
★
5/5
Karan Srivastava: Comput. Algebraic methods for abductively inferring axioms to explain a phenomenon
Karan Srivastava: Comput. Méthodes algébriques pour inférer par abduction des axiomes pour expliquer un phénomène
★
★
★
★
☆
4/5