Monografie
Statistical Machine Learning for Modeling and Control of Stochastic Structured Systems
- Sprache
-
Englisch
- Identifier
-
127186665X
Thema
Maschinelles Lernen; Bestärkendes Lernen; Neuronales Netz; Optimale Kontrolle
Beteiligte Personen und Organisationen
Abdulsamad, Hany
Peters, Jan
Schön, Thomas
Peters, Jan
Schön, Thomas
- DOI
-
10.26083/tuprints-00022573
- URN
- Rechteinformation
-
Der Zugriff auf das Objekt ist unbeschränkt möglich.
- Letzte Aktualisierung
-
28.02.2023, 11:39 MEZ
Objekttyp
- Monografie
Beteiligte
- Abdulsamad, Hany
- Peters, Jan
- Schön, Thomas
Ähnliche Objekte (12)
Reinforcement Learning Curricula as Interpolations between Task Distributions
Latent State-Space Models for Control
A self-supervised learning approach for multivariate statistical in-process control in discrete manufacturing processes
Risk-aware and Robust Approaches for Machine Learning-supported Model Predictive Control for Iterative Processes
Robuste Machine-Learning-Modelle und deren Plausibilisierung für die Anwendung im PKW-Thermomanagement
Preference-based Representation Learning for Collections
Deterministic Approximations for Deep State-Space Models
Bestärkendes Lernen zur Steuerung und Regelung nichtlinearer dynamischer Systeme
Konvergenzraten von Bildklassifikatoren basierend auf faltenden neuronalen Netzen
Elements of Unsupervised Scene Understanding: Objectives, Structures, and Modalities
A practical framework for adaptive metaheuristics
Optimierung und Analyse von synthetischen Tetrazyklin-Tandem-Riboswitchen durch machine learning
Reinforcement Learning Curricula as Interpolations between Task Distributions
Latent State-Space Models for Control
A self-supervised learning approach for multivariate statistical in-process control in discrete manufacturing processes
Risk-aware and Robust Approaches for Machine Learning-supported Model Predictive Control for Iterative Processes
Robuste Machine-Learning-Modelle und deren Plausibilisierung für die Anwendung im PKW-Thermomanagement
Preference-based Representation Learning for Collections
Deterministic Approximations for Deep State-Space Models
Bestärkendes Lernen zur Steuerung und Regelung nichtlinearer dynamischer Systeme
Konvergenzraten von Bildklassifikatoren basierend auf faltenden neuronalen Netzen
Elements of Unsupervised Scene Understanding: Objectives, Structures, and Modalities
A practical framework for adaptive metaheuristics
Optimierung und Analyse von synthetischen Tetrazyklin-Tandem-Riboswitchen durch machine learning
Reinforcement Learning Curricula as Interpolations between Task Distributions
Latent State-Space Models for Control
A self-supervised learning approach for multivariate statistical in-process control in discrete manufacturing processes
Risk-aware and Robust Approaches for Machine Learning-supported Model Predictive Control for Iterative Processes
Robuste Machine-Learning-Modelle und deren Plausibilisierung für die Anwendung im PKW-Thermomanagement
Preference-based Representation Learning for Collections
Deterministic Approximations for Deep State-Space Models
Bestärkendes Lernen zur Steuerung und Regelung nichtlinearer dynamischer Systeme
Konvergenzraten von Bildklassifikatoren basierend auf faltenden neuronalen Netzen
Elements of Unsupervised Scene Understanding: Objectives, Structures, and Modalities
A practical framework for adaptive metaheuristics