Deep Learning in Multi-step Prediction of Chaotic Dynamics : From Deterministic Models to Real-World Systems / Matteo Sangiorgio, Fabio Dercole, Giorgio Guariso
(Visualizza in formato marc)
(Visualizza in BIBFRAME)
| Autore: |
Sangiorgio, Matteo
|
| Titolo: |
Deep Learning in Multi-step Prediction of Chaotic Dynamics : From Deterministic Models to Real-World Systems / Matteo Sangiorgio, Fabio Dercole, Giorgio Guariso
|
| Pubblicazione: | Cham, : Springer, : PoliMI, 2021 |
| Descrizione fisica: | xii, 104 p. : ill. ; 24 cm |
| Soggetto topico: | 68-XX - Computer science [MSC 2020] |
| 68Txx - Artificial intelligence [MSC 2020] | |
| 93-XX - Systems theory; control [MSC 2020] | |
| 68T07 - Artificial neural networks and deep learning [MSC 2020] | |
| Soggetto non controllato: | Chaotic attractors |
| Environmental variables | |
| Exposure bias | |
| Henon systems | |
| Neural architectures | |
| Neural network training | |
| Recurrent Neural Networks | |
| Altri autori: |
Dercole, Fabio
Guariso, Giorgio
|
| Titolo autorizzato: | Deep Learning in Multi-step Prediction of Chaotic Dynamics |
| Formato: | Materiale a stampa  |
| Livello bibliografico | Monografia |
| Lingua di pubblicazione: | Inglese |
| Record Nr.: | VAN0274699 |
| Lo trovi qui: | Univ. Vanvitelli |
| Localizzazioni e accesso elettronico | https://doi.org/10.1007/978-3-030-94482-7 |
| Opac: | Controlla la disponibilità qui |
Serie:
SpringerBriefs in applied sciences and technology Berlin [etc.] . -Springer , 2011-
SpringerBriefs in Applied Sciences and Technology. PoliMI SpringerBriefs Berlin [etc.] . -Springer . -Politecnico di Milano