Buchumschlag

Extracting Dynamical Models from Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Zimmer, Michael F.
Format:	Preprint
Veröffentlicht:	2021
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Constants of Motion for Conserved and Non-conserved Dynamics
von: Zimmer, Michael F.
Veröffentlicht: (2024)

Comment on "Machine learning conservation laws from differential equations"
von: Zimmer, Michael F.
Veröffentlicht: (2024)

Extracting Process-Aware Decision Models from Object-Centric Process Data
von: Goossens, Alexandre, et al.
Veröffentlicht: (2024)

Extracting Spatiotemporal Data from Gradients with Large Language Models
von: Zheng, Lele, et al.
Veröffentlicht: (2024)

Safe Active Learning for Time-Series Modeling with Gaussian Processes
von: Zimmer, Christoph, et al.
Veröffentlicht: (2024)

Sparse Model Soups: A Recipe for Improved Pruning via Model Averaging
von: Zimmer, Max, et al.
Veröffentlicht: (2023)

Extracting Training Data from Unconditional Diffusion Models
von: Chen, Yunhao, et al.
Veröffentlicht: (2024)

Amortized Safe Active Learning for Real-Time Data Acquisition: Pretrained Neural Policies From Simulated Nonparametric Functions
von: Li, Cen-You, et al.
Veröffentlicht: (2025)

PARALLELPROMPT: Extracting Parallelism from Large Language Model Queries
von: Kolawole, Steven, et al.
Veröffentlicht: (2025)

Using the SEKF to Transfer NN Models of Dynamical Systems with Limited Data
von: Hammond, Joshua E., et al.
Veröffentlicht: (2026)

Extracting Interpretable Models from Tree Ensembles: Computational and Statistical Perspectives
von: Liu, Brian, et al.
Veröffentlicht: (2025)

Leveraging Model Guidance to Extract Training Data from Personalized Diffusion Models
von: Wu, Xiaoyu, et al.
Veröffentlicht: (2024)

Extracting Training Data from Diffusion Language Models via Infilling
von: Wang, Yihan, et al.
Veröffentlicht: (2026)

EntryPrune: Neural Network Feature Selection using First Impressions
von: Zimmer, Felix, et al.
Veröffentlicht: (2024)

Safe Active Learning for Gaussian Differential Equations
von: Glass, Leon, et al.
Veröffentlicht: (2024)

TimeSieve: Extracting Temporal Dynamics through Information Bottlenecks
von: Feng, Ninghui, et al.
Veröffentlicht: (2024)

Causal-INSIGHT: Probing Temporal Models to Extract Causal Structure
von: Redden, Benjamin, et al.
Veröffentlicht: (2026)

Extracting Interpretable Task-Specific Circuits from Large Language Models for Faster Inference
von: García-Carrasco, Jorge, et al.
Veröffentlicht: (2024)

Extracting the Multiscale Causal Backbone of Brain Dynamics
von: D'Acunto, Gabriele, et al.
Veröffentlicht: (2023)

OpenExtract: Automated Data Extraction for Systematic Reviews in Health
von: Achterberg, Jim, et al.
Veröffentlicht: (2026)

Data-driven Methods of Extracting Text Structure and Information Transfer
von: Honna, Shinichi, et al.
Veröffentlicht: (2025)

Enhancing Predictive Capabilities in Data-Driven Dynamical Modeling with Automatic Differentiation: Koopman and Neural ODE Approaches
von: Constante-Amores, C. Ricardo, et al.
Veröffentlicht: (2023)

On Foundation Models for Dynamical Systems from Purely Synthetic Data
von: Ziegler, Martin, et al.
Veröffentlicht: (2024)

Federated Dynamic Modeling and Learning for Spatiotemporal Data Forecasting
von: Pham, Thien, et al.
Veröffentlicht: (2025)

Extracting Cause-Effect Pairs from a Sentence with a Dependency-Aware Transformer Model
von: Kabir, Md Ahsanul, et al.
Veröffentlicht: (2025)

LAMP: Extracting Local Decision Surfaces From Large Language Models
von: Chen, Ryan, et al.
Veröffentlicht: (2025)

Extracting Memorized Training Data via Decomposition
von: Su, Ellen, et al.
Veröffentlicht: (2024)

Compositionality in Time Series: A Proof of Concept using Symbolic Dynamics and Compositional Data Augmentation
von: Hagmann, Michael, et al.
Veröffentlicht: (2025)

Shift Aggregate Extract Networks
von: Orsini, Francesco, et al.
Veröffentlicht: (2017)

Data-Driven Modeling and Correction of Vehicle Dynamics
von: Ly, Nguyen, et al.
Veröffentlicht: (2025)

GeoLLM: Extracting Geospatial Knowledge from Large Language Models
von: Manvi, Rohin, et al.
Veröffentlicht: (2023)

Rethinking Large Language Model Distillation: A Constrained Markov Decision Process Perspective
von: Zimmer, Matthieu, et al.
Veröffentlicht: (2025)

Approximating Latent Manifolds in Neural Networks via Vanishing Ideals
von: Pelleriti, Nico, et al.
Veröffentlicht: (2025)

Memory Gym: Towards Endless Tasks to Benchmark Memory Capabilities of Agents
von: Pleines, Marco, et al.
Veröffentlicht: (2023)

EXTRACT: Efficient Policy Learning by Extracting Transferable Robot Skills from Offline Data
von: Zhang, Jesse, et al.
Veröffentlicht: (2024)

Learning to Extract Structured Entities Using Language Models
von: Wu, Haolun, et al.
Veröffentlicht: (2024)

Learning from Reward-Free Offline Data: A Case for Planning with Latent Dynamics Models
von: Sobal, Vlad, et al.
Veröffentlicht: (2025)

Extracting Heuristics from Large Language Models for Reward Shaping in Reinforcement Learning
von: Bhambri, Siddhant, et al.
Veröffentlicht: (2024)

Learning Beyond the Gaussian Data: Learning Dynamics of Neural Networks on an Expressive and Cumulant-Controllable Data Model
von: Ure, Onat, et al.
Veröffentlicht: (2026)

Latent State Models of Training Dynamics
von: Hu, Michael Y., et al.
Veröffentlicht: (2023)