约书亚·汉森
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 [i5] 约书亚·汉森 , 马克西姆·拉金斯基 :
神经ODE的Rademacher复杂性(通过Chen-Fleiss级数)。 CoRR公司 abs/2401.16655 ( 2024 ) 2022 【c4】 约书亚·汉森 , 马克西姆·拉金斯基 :
通过Sussmann轨道定理将浸没子流形拟合到数据。 疾病预防控制中心 2022 : 5323-5328 [i4] 约书亚·汉森 , 马克西姆·拉金斯基 :
利用Sussmann轨道定理对浸入子流形进行数据拟合。 CoRR公司 abs/2204.01119 ( 2022 ) 2021 [j1] 约书亚·汉森 , 帕维尔·B·博切夫 , 比莉亚娜·帕斯卡列娃 :
使用动态模式分解学习紧凑的物理感知延迟光电流模型。 统计分析。 数据最小值。 14 ( 6 ) : 521-535 ( 2021 ) 【c3】 约书亚·汉森 , 马克西姆·拉金斯基 , 爱德华多·桑塔格 :
学习非线性系统的递归神经网络模型。 L4DC(L4DC) 2021 : 425-435 2020 【c2】 约书亚·汉森 , 马克西姆·拉金斯基 :
用递归神经网络对稳定动力系统进行通用仿真。 L4DC(L4DC) 2020 : 384-392 [i3] 约书亚·汉森 , 帕维尔·B·博切夫 , 比莉亚娜·帕斯卡列娃 :
使用动态模式分解学习紧凑的物理感知延迟光电流模型。 CoRR公司 2008年12月319日 ( 2020 ) [i2] 约书亚·汉森 , 马克西姆·拉金斯基 , 爱德华多·桑塔格 :
学习非线性系统的递归神经网络模型。 CoRR公司 abs/2011.09573 ( 2020 )
2010 – 2019
2019 【c1】 约书亚·汉森 , 马克西姆·拉金斯基 :
时间卷积网对输入输出映射的通用逼近。 NeurIPS公司 2019 : 14048-14058 [i1] 约书亚·汉森 , 马克西姆·拉金斯基 :
时间卷积网对输入输出映射的通用逼近。 CoRR公司 abs/1906.09211 ( 2019 )
![](https://dblp.uni-trier.de/img/cog.dark.24x24.png)