When deep learning meets ergodic theory - Archive ouverte HAL
Communication Dans Un Congrès Année : 2020

When deep learning meets ergodic theory

Domaines

Science non linéaire [physics] Sciences de l'ingénieur [physics]
APS_2020_Bucci_etal.pdf (8.85 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Onofrio SEMERARO  : Connectez-vous pour contacter le contributeur

https://hal.science/hal-03101431

Soumis le : mardi 26 janvier 2021-12:03:00

Dernière modification le : mercredi 30 octobre 2024-13:29:13

Télécharger pour visualiser

Dates et versions

hal-03101431 , version 1 (26-01-2021)

Identifiants

  • HAL Id : hal-03101431 , version 1

Citer

Michele Alessandro Bucci, Onofrio Semeraro, Sergio Chibbaro, Alexandre Allauzen, Lionel Mathelin. When deep learning meets ergodic theory. 73rd Annual APS/DFD Meeting, Nov 2020, Chicago / Virtual, United States. ⟨hal-03101431⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

ESPCI CNRS INRIA PARISTECH LIMSI UMR8623 IJLRDA CENTRALESUPELEC INRIA2 LRI-AO PSL UNIV-PARIS-SACLAY SORBONNE-UNIVERSITE SU-SCIENCES LISN GS-ENGINEERING GS-COMPUTER-SCIENCE GS-LIFE-SCIENCES-HEALTH LISN-AO LISN-DATAFLOT
443 Consultations
153 Téléchargements

Partager

More