Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
Zur Ablage hinzufügen
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  Learning Random Feature Dynamics for Uncertainty Quantification

Agudelo-España, D., Nemmour, Y., Schölkopf, B., & Zhu, J.-J. (2023). Learning Random Feature Dynamics for Uncertainty Quantification. In 2022 IEEE 61st Conference on Decision and Control (CDC) (pp. 4937-4944). Piscataway, NJ: IEEE. doi:10.1109/CDC51059.2022.9993152.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/21.11116/0000-000F-E552-2 Versions-Permalink: https://hdl.handle.net/21.11116/0000-000F-E553-1
Genre: Konferenzbeitrag

Externe Referenzen

einblenden:
ausblenden:
externe Referenz:
https://doi.org/10.1109/CDC51059.2022.9993152 (Verlagsversion)
Beschreibung:
-
OA-Status:
Closed Access

Urheber

einblenden:
ausblenden:
 Urheber:
Agudelo-España, Diego 1, Autor
Nemmour, Yassine1, Autor           
Schölkopf, Bernhard1, Autor                 
Zhu, Jia-Jie1, Autor           
Affiliations:
1Dept. Empirical Inference, Max Planck Institute for Intelligent Systems, Max Planck Society, ou_1497647              

Inhalt

einblenden:
ausblenden:
Schlagwörter: Abt. Schölkopf
 Zusammenfassung: -

Details

einblenden:
ausblenden:
Sprache(n): eng - English
 Datum: 2023-01-102023
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: DOI: 10.1109/CDC51059.2022.9993152
BibTex Citekey: AguNemSchZhu21
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: 61st IEEE Conference on Decision and Control (CDC 2022)
Veranstaltungsort: Cancun
Start-/Enddatum: 2022-12-06 - 2022-12-09

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: 2022 IEEE 61st Conference on Decision and Control (CDC)
Genre der Quelle: Konferenzband
 Urheber:
Affiliations:
Ort, Verlag, Ausgabe: Piscataway, NJ : IEEE
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: 4937 - 4944 Identifikator: DOI: 10.1109/CDC51059.2022
ISSN: 978-1-6654-6761-2
ISBN: 978-1-6654-6760-5
ISBN: 978-1-6654-6762-9
ISSN: 2576-2370
ISSN: 0743-1546