EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Deep subspace encoders for nonlinear system identification

Gerben I. Beintema, Maarten Schoukens, Roland Tóth

Automatica · 2023-10 · 156 · 111210

DOI: 10.1016/j.automatica.2023.111210 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Automatica, 2023-10. Verfasst von Gerben I. Beintema und 2 weiteren Autor:innen. Die Arbeit wurde bisher 60-mal zitiert (Crossref) und nennt 49 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: European Research Council, Eidgenössische Technische Hochschule Zürich, Eötvös Loránd Research Network.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Förderung

  • European Research Council
  • Eidgenössische Technische Hochschule Zürich
  • Eötvös Loránd Research Network
  • Nederlandse Organisatie voor Wetenschappelijk Onderzoek

Zitieren

APA

Beintema, G. I., Schoukens, M., & Tóth, R. (2023). Deep subspace encoders for nonlinear system identification. Automatica, 156, 111210. https://doi.org/10.1016/j.automatica.2023.111210

Vancouver

Beintema GI, Schoukens M, Tóth R. Deep subspace encoders for nonlinear system identification. Automatica. 2023;156:111210. doi:10.1016/j.automatica.2023.111210

BibTeX
@article{Beintema2023,
  author = {Beintema, Gerben I. and Schoukens, Maarten and Tóth, Roland},
  title = {Deep subspace encoders for nonlinear system identification},
  journal = {Automatica},
  year = {2023},
  volume = {156},
  pages = {111210},
  doi = {10.1016/j.automatica.2023.111210}
}
Kostenlos starten →