Buchumschlag

Modeling Electromagnetic Navigation Systems for Medical Applications using Random Forests and Artificial Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yu, Ruoxi, Charreyron, Samuel L., Boehler, Quentin, Weibel, Cameron, Poon, Carmen C. Y., Nelson, Bradley J.
Format:	Preprint
Veröffentlicht:	2019
Schlagworte:	Systems and Control Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Expanding the Workspace of Electromagnetic Navigation Systems Using Dynamic Feedback for Single- and Multi-agent Control
von: Zughaibi, Jasan, et al.
Veröffentlicht: (2025)

Dynamic Electromagnetic Navigation
von: Zughaibi, Jasan, et al.
Veröffentlicht: (2024)

Control of Medical Digital Twins with Artificial Neural Networks
von: Böttcher, Lucas, et al.
Veröffentlicht: (2024)

Structured Learning for Electromagnetic Field Modeling and Real-Time Inversion
von: Bernardes, Antonio, et al.
Veröffentlicht: (2026)

Autonomous Magnetic Navigation in Endoscopic Image Mosaics
von: Michelle Mattille, et al.
Veröffentlicht: (2024)

A Human‐Scale Clinically Ready Electromagnetic Navigation System for Magnetically Responsive Biomaterials and Medical Devices
von: Simone Gervasoni, et al.
Veröffentlicht: (2024)

Forward Invariance in Neural Network Controlled Systems
von: Harapanahalli, Akash, et al.
Veröffentlicht: (2023)

Efficient Network Reconfiguration by Randomized Switching
von: Talkington, Samuel, et al.
Veröffentlicht: (2025)

Contraction-Guided Adaptive Partitioning for Reachability Analysis of Neural Network Controlled Systems
von: Harapanahalli, Akash, et al.
Veröffentlicht: (2023)

Flight-Ready Precise and Robust Carrier-Phase GNSS Navigation Software for Distributed Space Systems
von: Low, Samuel Y. W., et al.
Veröffentlicht: (2025)

Extremum Seeking for PDE Systems using Physics-Informed Neural Networks
von: Guo, Haojin, et al.
Veröffentlicht: (2025)

Scalable Physics-Informed Neural Networks for Accelerating Electromagnetic Transient Stability Assessment
von: Nadal, Ignasi Ventura, et al.
Veröffentlicht: (2025)

Contracting Neural Networks: Sharp LMI Conditions with Applications to Integral Control and Deep Learning
von: Gokhale, Anand, et al.
Veröffentlicht: (2026)

SINRL: Socially Integrated Navigation with Reinforcement Learning using Spiking Neural Networks
von: Tretter, Florian, et al.
Veröffentlicht: (2025)

Leveraging Randomized Smoothing for Optimal Control of Nonsmooth Dynamical Systems
von: Lidec, Quentin Le, et al.
Veröffentlicht: (2022)

Application of Deep Reinforcement Learning to Event-Triggered Control for Networked Artificial Pancreas Systems
von: Ikemoto, Junya, et al.
Veröffentlicht: (2026)

Data-Driven Analysis and Predictive Control of Descriptor Systems with Application to Power and Water Networks
von: Zhang, Yuan, et al.
Veröffentlicht: (2025)

Computationally Efficient Electromagnetic Transient Power System Studies using Bayesian Optimization
von: Kuhn, Marius, et al.
Veröffentlicht: (2023)

Satellite Navigation and Control using Physics-Informed Artificial Potential Field and Sliding Mode Controller
von: Sahoo, Rakesh Kumar, et al.
Veröffentlicht: (2025)

Multiple Ships Cooperative Navigation and Collision Avoidance using Multi-agent Reinforcement Learning with Communication
von: Wang, Y., et al.
Veröffentlicht: (2024)

Probabilistic State Estimation of Timed Probabilistic Discrete Event Systems via Artificial Neural Networks [Draft Version]
von: Amri, Omar, et al.
Veröffentlicht: (2025)

Online Identification using Adaptive Laws and Neural Networks for Multi-Quadrotor Centralized Transportation System
von: Gao, Tianhua, et al.
Veröffentlicht: (2025)

A Nonlinear Separation Principle via Contraction Theory: Applications to Neural Networks, Control, and Learning
von: Gokhale, Anand, et al.
Veröffentlicht: (2026)

Efficient Interaction-Aware Interval Analysis of Neural Network Feedback Loops
von: Jafarpour, Saber, et al.
Veröffentlicht: (2023)

Device Fault Prediction Model based on LSTM and Random Forest
von: Xu, Jing, et al.
Veröffentlicht: (2024)

Learning Networked Dynamical System Models with Weak Form and Graph Neural Networks
von: Yu, Yin, et al.
Veröffentlicht: (2024)

Discrete-time Contraction-based Control of Nonlinear Systems with Parametric Uncertainties using Neural Networks
von: Wei, Lai, et al.
Veröffentlicht: (2021)

Reliable State Estimation in a Truck-Semitrailer Combination using an Artificial Neural Network-Aided Extended Kalman Filter
von: Ewering, Jan-Hendrik, et al.
Veröffentlicht: (2024)

Approximation with Random Shallow ReLU Networks with Applications to Model Reference Adaptive Control
von: Lamperski, Andrew, et al.
Veröffentlicht: (2024)

Safe Navigation using Neural Radiance Fields via Reachable Sets
von: Thapliyal, Omanshu, et al.
Veröffentlicht: (2026)

Dynamic Control of Service Systems with Returns: Application to Design of Post-Discharge Hospital Readmission Prevention Programs
von: Chan, Timothy C. Y., et al.
Veröffentlicht: (2022)

Function Gradient Approximation with Random Shallow ReLU Networks with Control Applications
von: Lamperski, Andrew, et al.
Veröffentlicht: (2024)

Making Every Bit Count for $A$-Optimal State Estimation
von: Khanpour, Cameron, et al.
Veröffentlicht: (2026)

Randomized Geometric Algebra Methods for Convex Neural Networks
von: Wang, Yifei, et al.
Veröffentlicht: (2024)

Electromagnetic Information Theory: Fundamentals and Applications for 6G Wireless Communication Systems
von: Wang, Cheng-Xiang, et al.
Veröffentlicht: (2024)

Rethinking Satellite Networks: When Navigation Meets Communications
von: Hou, Tianwei, et al.
Veröffentlicht: (2026)

Parametric Design of Continuum Robots Using Interlocking Ball Joints
von: Alexandre Mesot, et al.
Veröffentlicht: (2025)

A Formal Model for Artificial Intelligence Applications in Automation Systems
von: Schieseck, Marvin, et al.
Veröffentlicht: (2024)

Robust Stability of Neural Network Control Systems with Interval Matrix Uncertainties
von: Zhang, Yuhao, et al.
Veröffentlicht: (2023)

Learning Certified Neural Network Controllers Using Contraction and Interval Analysis
von: Harapanahalli, Akash, et al.
Veröffentlicht: (2026)