Buchumschlag

A Behavioral Framework for Data-Driven Modeling of Nonlinear Systems in Vector-Valued Reproducing Kernel Hilbert Spaces

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hou, Boya, Raginsky, Maxim
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Systems and Control Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Data-Driven Stochastic Optimal Control in Reproducing Kernel Hilbert Spaces
von: Hoischen, Nicolas, et al.
Veröffentlicht: (2024)

Koopman Subspace Pruning in Reproducing Kernel Hilbert Spaces via Principal Vectors
von: Shah, Dhruv, et al.
Veröffentlicht: (2026)

Expressivity of Quadratic Neural ODEs
von: Hanson, Joshua, et al.
Veröffentlicht: (2025)

Rademacher Complexity of Neural ODEs via Chen-Fliess Series
von: Hanson, Joshua, et al.
Veröffentlicht: (2024)

Learning of Hamiltonian Dynamics with Reproducing Kernel Hilbert Spaces
von: Smith, Torbjørn, et al.
Veröffentlicht: (2023)

Online Regularized Statistical Learning in Reproducing Kernel Hilbert Space With Non-Stationary Data
von: Zhang, Xiwei, et al.
Veröffentlicht: (2024)

Learning Hamiltonian Dynamics with Reproducing Kernel Hilbert Spaces and Random Features
von: Smith, Torbjørn, et al.
Veröffentlicht: (2024)

Spatially-Coupled Network RNA Velocities: A Control-Theoretic Perspective
von: Hou, Boya, et al.
Veröffentlicht: (2026)

Robust Nonlinear System Identification in Reproducing Kernel Hilbert Spaces via Scenario Optimization
von: Lübsen, Jannis, et al.
Veröffentlicht: (2026)

Separating Geometry from Probability in the Analysis of Generalization
von: Raginsky, Maxim, et al.
Veröffentlicht: (2026)

Data-Driven Observability Analysis for Nonlinear Stochastic Systems
von: Massiani, Pierre-François, et al.
Veröffentlicht: (2023)

Function approximation by neural nets in the mean-field regime: Entropic regularization and controlled McKean-Vlasov dynamics
von: Tzen, Belinda, et al.
Veröffentlicht: (2020)

Data-Driven Motion Planning for Uncertain Nonlinear Systems
von: Esmaeili, Babak, et al.
Veröffentlicht: (2025)

A Data-Integrated Framework for Learning Fractional-Order Nonlinear Dynamical Systems
von: Yaghooti, Bahram, et al.
Veröffentlicht: (2025)

Revisiting Stochastic Realization Theory using Functional Itô Calculus
von: Veeravalli, Tanya, et al.
Veröffentlicht: (2024)

Technical Report for Dissipativity Learning in Reproducing Kernel Hilbert Space
von: Ye, Xiuzhen, et al.
Veröffentlicht: (2025)

A Framework for Adaptive Stabilisation of Nonlinear Stochastic Systems
von: Siriya, Seth, et al.
Veröffentlicht: (2025)

Control Occupation Kernel Regression for Nonlinear Control-Affine Systems
von: Abudia, Moad, et al.
Veröffentlicht: (2021)

Space-Filling Regularization for Robust and Interpretable Nonlinear State Space Models
von: Klein, Hermann, et al.
Veröffentlicht: (2025)

Nonparametric Sparse Online Learning of the Koopman Operator
von: Hou, Boya, et al.
Veröffentlicht: (2025)

On Data-Driven Koopman Representations of Nonlinear Delay Differential Equations
von: Rajkumar, Santosh Mohan, et al.
Veröffentlicht: (2026)

Kernel-Based Sparse Additive Nonlinear Model Structure Detection through a Linearization Approach
von: Ebrahimkhani, Sadegh, et al.
Veröffentlicht: (2025)

State-Space Kolmogorov Arnold Networks for Interpretable Nonlinear System Identification
von: Cruz, Gonçalo Granjal, et al.
Veröffentlicht: (2025)

Learning Linearized Models from Nonlinear Systems under Initialization Constraints with Finite Data
von: Xin, Lei, et al.
Veröffentlicht: (2025)

Koopman-based Estimation of Lyapunov Functions: Theory on a Reproducing Kernel Hilbert Space
von: Tang, Wentao, et al.
Veröffentlicht: (2026)

Kernel Sum of Squares for Data Adapted Kernel Learning of Dynamical Systems from Data: A global optimization approach
von: Lengyel, Daniel, et al.
Veröffentlicht: (2024)

Learnable Faster Kernel-PCA for Nonlinear Fault Detection: Deep Autoencoder-Based Realization
von: Ren, Zelin, et al.
Veröffentlicht: (2021)

CommonPower: A Framework for Safe Data-Driven Smart Grid Control
von: Eichelbeck, Michael, et al.
Veröffentlicht: (2024)

Bayesian Transfer Operators in Reproducing Kernel Hilbert Spaces
von: Boshoff, Septimus, et al.
Veröffentlicht: (2025)

The Stochastic Occupation Kernel Method for System Identification
von: Wells, Michael, et al.
Veröffentlicht: (2024)

Mirror Descent on Reproducing Kernel Banach Spaces
von: Kumar, Akash, et al.
Veröffentlicht: (2024)

Data-Driven Adversarial Online Control for Unknown Linear Systems
von: Liu, Zishun, et al.
Veröffentlicht: (2023)

Learning Nonlinear Systems In-Context: From Synthetic Data to Real-World Motor Control
von: Jian, Tong, et al.
Veröffentlicht: (2026)

Symplectic Inductive Bias for Data-Driven Target Reachability in Hamiltonian Systems
von: Ouyang, Zhuo, et al.
Veröffentlicht: (2026)

Federated Nonlinear System Identification
von: Tupe, Omkar, et al.
Veröffentlicht: (2025)

Condition Monitoring with Machine Learning: A Data-Driven Framework for Quantifying Wind Turbine Energy Loss
von: Buchberg, Emil Marcus, et al.
Veröffentlicht: (2025)

Fine-Tuned Language Models as Space Systems Controllers
von: Zucchelli, Enrico M., et al.
Veröffentlicht: (2025)

Data-Driven Prediction and Control of Hammerstein-Wiener Systems with Implicit Gaussian Processes
von: Yin, Mingzhou, et al.
Veröffentlicht: (2025)

A Transition System Abstraction Framework for Neural Network Dynamical System Models
von: Yang, Yejiang, et al.
Veröffentlicht: (2024)

MPC of Uncertain Nonlinear Systems with Meta-Learning for Fast Adaptation of Neural Predictive Models
von: Yan, Jiaqi, et al.
Veröffentlicht: (2024)