瓦伦蒂娜·布莱斯基
人员信息
优化列表
![笔记](https://dblp.uni-trier.de/img/note-mark.dark.12x12.png)
2020年–今天
2024 [公元17年] 波尔·马特森 , 法比奥·博纳西 , 瓦伦蒂娜·布莱斯基 , 托马斯·舍恩 :
关于直接和间接数据驱动预测控制方法的等价性。 IEEE控制。 系统。 莱特。 8 : 796-801 ( 2024 ) [i20] 杰西卡·莱昂尼 , 瓦伦蒂娜·布莱斯基 , 西蒙·福门汀 , 玛拉·塔内利 :
通过混合专家进行可解释的数据驱动建模:实现灰盒和黑盒模型的有效混合。 CoRR公司 abs/2401.17118 ( 2024 ) [i19] 奥雷里奥·拉法·乌戈里尼 , 瓦伦蒂娜·布莱斯基 , 安德烈亚·曼佐尼 , 玛拉·塔内利 :
SINDy与硬非线性和隐藏动态:基准研究。 CoRR公司 abs/2403.00578 ( 2024 ) [i18] 波尔·马特森 , 法比奥·博纳西 , 瓦伦蒂娜·布莱斯基 , 托马斯·舍恩 :
关于直接和间接数据驱动预测控制方法的等效性。 CoRR公司 腹肌/2403.05860 ( 2024 ) [i17] 里卡多·布塞托 , 瓦伦蒂娜·布莱斯基 , 费德里卡·巴拉基 , 西蒙·福门汀 :
具有自动模型参考调整的数据驱动控制器的元学习:理论和实验案例研究。 CoRR公司 abs/2403.14500 ( 2024 ) 2023 [公元16年] P.C.N.Verheijen公司 , 瓦伦蒂娜·布莱斯基 , 米尔恰·拉扎尔 :
线性数据驱动预测控制手册:理论、实施和设计。 每年。 版本控制。 56 : 100914 ( 2023 ) [公元15年] 瓦伦蒂娜·布莱斯基 , 亚历山德罗·齐乌索 , 西蒙·福门汀 :
随机环境中的数据驱动预测控制:统一框架。 自动。 152 : 110961 ( 2023 ) [公元14年] 丹尼尔·马斯蒂 , 瓦伦蒂娜·布莱斯基 , 西蒙·福门汀 , 阿尔贝托·本普拉德 :
直接数据驱动控制中参考模型的自动调整。 自动。 155 : 111110 ( 2023 ) [j13] 瓦伦蒂娜·布莱斯基 , 安德烈亚·萨塞拉 , 西蒙·福门汀 :
具有结构先验的显式预测控制器的数据驱动设计。 IEEE控制。 系统。 莱特。 7 : 1616-1621 ( 2023 ) [公元12年] 瓦伦蒂娜·布莱斯基 , 卢卡·扎卡里安 , 西蒙·福门汀 :
输入饱和系统的数据驱动镇定。 IEEE控制。 系统。 莱特。 7 : 1640-1645 ( 2023 ) [公元11年] T.O.de Jong(德容) , 瓦伦蒂娜·布莱斯基 , Maarten Schoukens公司 , 西蒙·福门汀 :
具有闭环稳定性的数据驱动模型参考控制:输出反馈案例。 IEEE控制。 系统。 莱特。 7 : 2431-2436 ( 2023 ) [公元10年] 瓦伦蒂娜·布莱斯基 , 安德烈亚·萨塞拉 , 西蒙·福门汀 :
从输入输出数据设计正则化显式预测控制器。 IEEE传输。 自动。 控制。 68 ( 8 ) : 4977-4983 ( 2023 ) [公元24年] 里卡多·布塞托 , Valentina Breschi女士 , 西蒙·福门汀 :
META-SMGO-$\ Delta$:与黑盒优化中的先验相似。 疾病预防控制中心 2023 : 1294-1299 【c23】 瓦伦蒂娜·布莱斯基 , 亚历山德罗·齐乌索 , 马可·法布里斯 , 西蒙·福门汀 :
数据驱动预测控制中正则化的影响。 疾病预防控制中心 2023 : 3061-3066 [公元22年] 卡米拉·夸雷斯米尼 , Eugenia别墅 , 瓦伦蒂娜·布莱斯基 , 紫堇菜 , 玛拉·塔内利 :
可持续流动政策公平性的限定和量化。 电子流 2023 [i16] 瓦伦蒂娜·布莱斯基 , 亚历山德罗·齐乌索 , 马可·法布里斯 , 西蒙·福门汀 :
数据驱动预测控制中正则化的影响。 CoRR公司 abs/2304.00263 ( 2023 ) 【i15】 里卡多·布塞托 , 瓦伦蒂娜·布莱斯基 , 西蒙·福门汀 :
META-SMGO-Δ:在黑盒优化中作为先验的相似性。 CoRR公司 abs/2305.00438 ( 2023 ) [第14条] 瓦伦蒂娜·布莱斯基 , 西蒙·福门汀 , 阿尔贝托·莱瓦 :
具有动态移动阻塞的模型预测控制。 CoRR公司 abs/2308.07854 ( 2023 ) [i13] 里卡多·布塞托 , 瓦伦蒂娜·布莱斯基 , 西蒙·福门汀 :
模型参考数据驱动控制的元学习。 CoRR公司 abs/2308.15458 ( 2023 ) [i12] 里卡多·布塞托 , 瓦伦蒂娜·布莱斯基 , 马可·福吉恩 , 达里奥·皮加 , 西蒙·福门汀 :
状态估计量的In-context学习。 CoRR公司 abs/2312.04509 ( 2023 ) [i11] 亚历山德罗·齐乌索 , 马可·法布里斯 , 瓦伦蒂娜·布莱斯基 , 西蒙·福门汀 :
利用最终控制误差实现最佳数据驱动预测控制。 CoRR公司 abs/2312.14788 ( 2023 ) 2022 [公元9年] 马克斯·范·梅尔 , 瓦伦蒂娜·布莱斯基 , 汤姆·乌门 , 西蒙·福门汀 :
具有软性能规范的LPV控制器的直接数据驱动设计。 J.弗兰克尔。 仪器。 359 ( 2 ) : 816-836 ( 2022 ) [j8] 瓦伦蒂娜·布莱斯基 , 奇亚拉·拉瓦齐 , 西尔维娅·卡拉·斯特拉达 , 法布里奇奥·达本尼 , 玛拉·塔内利 :
促进电动汽车的大规模采用:基于网络的方法。 IEEE传输。 控制。 Netw公司。 系统。 9 ( 4 ) : 1666-1678 ( 2022 ) 【c21】 安德烈亚·萨塞拉 , 瓦伦蒂娜·布莱斯基 , 西蒙·福门汀 :
显式预测控制器的数据驱动设计。 疾病预防控制中心 2022 : 2821-2826 [公元20年] Eugenia别墅 , 贾科莫·普雷蒂 , 马可·里瓦 , 瓦伦蒂娜·布莱斯基 , 玛拉·塔内利 :
Sharing-DNA:一个数据驱动工具,用于映射整个欧洲对共享服务的态度。 国际标准分类2 2022 : 1-7 [第19条] 安德烈亚·萨塞拉 , 瓦伦蒂娜·布莱斯基 , 西蒙·福门汀 :
数据驱动预测控制中的噪声处理:基于动态模式分解的策略。 L4DC(L4DC) 2022 : 74-85 [i10] 瓦伦蒂娜·布莱斯基 , 亚历山德罗·齐乌索 , 西蒙·福门汀 :
正则化在数据驱动预测控制中的作用。 CoRR公司 abs/2203.10846 ( 2022 ) [第九章] 瓦伦蒂娜·布莱斯基 , 安德烈亚·萨塞拉 , 西蒙·福门汀 :
使用基于模型的先验知识的显式预测控制器的数据驱动设计。 CoRR公司 abs/2207.01148 ( 2022 ) [i8] 瓦伦蒂娜·布莱斯基 , 马可·法布里斯 , 西蒙·福门汀 , 亚历山德罗·齐乌索 :
随机环境中的不确定性感知数据驱动预测控制。 CoRR公司 abs/2211.10321 ( 2022 ) 2021 [j7] 费德里科·比安奇 , 瓦伦蒂娜·布莱斯基 , 达里奥·皮加 , 路易吉·皮罗迪 :
切换NARX系统辨识的模型结构选择:一种随机方法。 自动。 125 : 109415 ( 2021 ) [第18条] 安德烈亚·萨塞拉 , 瓦伦蒂娜·布莱斯基 , 西蒙·福门汀 :
约束系统开关控制器的直接数据驱动设计。 行政协调会 2021 : 2355-2360 [第17条] 瓦伦蒂娜·布莱斯基 , 克劳迪奥·德佩西斯 , 西蒙·福门汀 , 彼得罗·特西 :
具有Lyapunov稳定性保证的直接数据驱动模型参考控制。 疾病预防控制中心 2021 : 1456-1461 [c16] Valentina Breschi女士 , 阿尔贝托·本普拉德 , 伊利亚·科尔马诺夫斯基 :
基于ADMM的多类递归参数估计方法。 疾病预防控制中心 2021 : 5169-5174 [第15条] 劳拉·费拉罗蒂 , 瓦伦蒂娜·布莱斯基 , 阿尔贝托·本普拉德 :
共享的好处:一个云辅助的性能驱动框架,用于学习最佳反馈策略。 L4DC(L4DC) 2021 : 87-98 [第14条] 安德烈亚·萨塞拉 , 瓦伦蒂娜·布莱斯基 , 西蒙·福门汀 :
用于线控制动应用的开关参考调速器的数据驱动设计。 L4DC(L4DC) 2021 : 99-110 [第13条] 瓦伦蒂娜·布莱斯基 , 玛拉·塔内利 , 奇亚拉·拉瓦齐 , 西尔维娅·卡拉·斯特拉达 , 法布里齐奥·达贝尼 :
设计有效政策以推动电动汽车的采用:数据信息方法。 基础教学法硕士 2021 : 311-316 [i7] 瓦伦蒂娜·布莱斯基 , 克劳迪奥·德佩西斯 , 西蒙·福门汀 , 彼得罗·特西 :
具有Lyapunov稳定性保证的直接数据驱动模型参考控制。 CoRR公司 abs/2103.12663 ( 2021 ) [i6] 安德烈亚·萨塞拉 , Valentina Breschi女士 , 西蒙·福门汀 :
学习显式预测控制器:理论和应用。 CoRR公司 abs/2108.08412 ( 2021 ) [i5] 瓦伦蒂娜·布莱斯基 , 安德烈亚·萨塞拉 , 西蒙·福门汀 :
基于输入输出数据的正则化显式预测控制器设计。 CoRR公司 abs/2110.11808 ( 2021 ) 2020 [j6] 达里奥·皮加 , 瓦伦蒂娜·布莱斯基 , 阿尔贝托·本普拉德 :
跳跃Box-Jenkins模型的估计。 自动。 120 : 109126 ( 2020 ) [j5] 瓦伦蒂娜·布莱斯基 , 阿尔贝托·本普拉德 , 伊利亚·科尔马诺夫斯基 :
基于ADMM-RLS的协同约束参数估计。 自动。 121 : 109175 ( 2020 ) 【j4】 瓦伦蒂娜·布莱斯基 , 西蒙·福门汀 , 吉安马科·拉尔洛 , 马泰奥·科诺 , 塞尔吉奥·萨瓦雷斯 :
基于核LPV识别的车辆侧滑估计:理论和实验。 自动。 122 : 109237 ( 2020 ) [j3] 玛纳斯·梅贾里 , 瓦伦蒂娜·布莱斯基 , 达里奥·皮加 :
分段仿射输出误差模型辨识的递归偏差校正方法。 IEEE控制。 系统。 莱特。 4 ( 4 ) : 970-975 ( 2020 ) [第12条] 瓦伦蒂娜·布莱斯基 , 玛纳斯·梅贾里 :
分段仿射模型结构选择和识别的收缩策略。 疾病预防控制中心 2020 : 1626-1631 [第11条] 瓦伦蒂娜·布莱斯基 , 丹尼尔·马斯蒂 , 西蒙·福门汀 , 阿尔贝托·本普拉德 :
NAW-NET:饱和非线性系统的神经反饱和控制。 疾病预防控制中心 2020 : 3335-3340 [第10条] 丹妮尔·马斯蒂 , 瓦伦蒂娜·布莱斯基 , 西蒙·福门汀 , 阿尔贝托·本普拉德 :
神经参考调速器的直接数据驱动设计。 疾病预防控制中心 2020 : 4955-4960 【c9】 瓦伦蒂娜·布莱斯基 , 玛拉·塔内利 , 奇亚拉·拉瓦齐 , 西尔维娅·卡拉·斯特拉达 , 法布里奇奥·达本尼 :
电动汽车采用的社会网络分析:基于数据的方法。 ICHMS公司 2020 : 1-4 【c8】 瓦伦蒂娜·布莱斯基 , 西蒙·福门汀 :
使用数据驱动的参考模型选择进行虚拟参考反馈调整。 L4DC(L4DC) 2020 : 37-45 【c7】 Valentina Breschi女士 , 西蒙·福门汀 :
具有嵌入式反卷补偿的直接数据驱动控制。 L4DC(L4DC) 2020 : 46-54 [i4] 瓦伦蒂娜·布莱斯基 , 玛拉·塔内利 , 奇亚拉·拉瓦齐 , 西尔维娅·卡拉·斯特拉达 , 法布里奇奥·达本尼 :
电动汽车采用的社会网络分析:基于数据的方法。 CoRR公司 abs/2001.09704 ( 2020 ) [i3] 瓦伦蒂娜·布莱斯基 , 玛纳斯·梅贾里 :
分段仿射模型结构选择和识别的收缩策略。 CoRR公司 abs/2010.01520 ( 2020 )
2010 – 2019
2019 【c6】 瓦伦蒂娜·布莱斯基 , 达里奥·皮加 , 阿尔贝托·本普拉德 :
跳跃Box-Jenkins模型的最大后验估计。 疾病预防控制中心 2019 : 1532-1537 【c5】 瓦伦蒂娜·布莱斯基 , 西蒙·福门汀 , 佐丹诺·斯卡西奥蒂 , 亚历山德罗·阿斯托尔菲 :
基于矩匹配的仿真驱动定阶控制器整定。 电子控制 2019 : 2307-2312 2018 [注2] 阿尔贝托·本普拉德 , 瓦伦蒂娜·布莱斯基 , 达里奥·皮加 , 斯蒂芬·博伊德 :
装配跳跃模型。 自动。 96 : 11-21 ( 2018 ) 【c4】 瓦伦蒂娜·布莱斯基 , 伊利亚·科尔马诺夫斯基 , 阿尔贝托·本普拉德 :
ADMM-RLS算法用于连接诊断和预测的云辅助协同估计。 行政协调会 2018 : 2727-2732 【c3】 Valentina Breschi女士 , 阿尔贝托·本普拉德 , 达里奥·皮加 , 斯蒂芬·博伊德 :
跳跃ARMAX模型学习中的预测误差方法。 疾病预防控制中心 2018 : 2247-2252 2017 [i2] 瓦伦蒂娜·布莱斯基 , 伊利亚·科尔马诺夫斯基 , 阿尔贝托·本普拉德 :
基于ADMM-RLS算法的云辅助协同估计用于连接车辆预测。 CoRR公司 abs/1709.07972 ( 2017 ) [i1] 阿尔贝托·本普拉德 , 瓦伦蒂娜·布莱斯基 , 达里奥·皮加 , 斯蒂芬·博伊德 :
装配跳跃模型。 CoRR公司 abs/1711.09220 ( 2017 ) 2016 [j1] 瓦伦蒂娜·布莱斯基 , 达里奥·皮加 , 阿尔贝托·本普拉德 :
通过递归多重最小二乘和多类别判别的分段仿射回归。 自动。 73 : 155-162 ( 2016 ) 【c2】 瓦伦蒂娜·布莱斯基 , 达里奥·皮加 , 阿尔贝托·本普拉德 :
通过多类线性分离学习具有逻辑和连续动力学的混合模型。 疾病预防控制中心 2016 : 353-358 【c1】 瓦伦蒂娜·布莱斯基 , 阿尔贝托·本普拉德 , 达里奥·皮加 :
通过递归分段仿射回归和判别识别混合和线性参数变化模型。 电子控制 2016 : 2632-2637
合著者索引
![](https://dblp.uni-trier.de/img/cog.dark.24x24.png)