SINDy-RL: Interpretable and Efficient Model-Based Reinforcement Learning

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Zolman, Nicholas, Lagemann, Christian, Fasel, Urban, Kutz, J. Nathan, Brunton, Steven L.
Format:	Preprint
Publié:	2024
Sujets:	Machine Learning Systems and Control Dynamical Systems Optimization and Control
Accès en ligne:	Acceder al recurso
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Internet

https://arxiv.org/abs/2403.09110