×
Ha Quang明

高斯再生核希尔伯特空间的一些性质及其对函数逼近和学习理论的启示。 （英语） Zbl 1204.68157号

施工。大约。 32，第2期，307-338（2010）.
摘要：我们给出了高斯核诱导的再生核Hilbert空间的几个性质，以及它们对学习理论中正则化最小二乘算法复杂性的最新结果的影响。

引用于36文件

MSC公司：

68T05型 人工智能中的学习和自适应系统
68页30 编码和信息理论（压缩、压缩、通信模型、编码方案等）（计算机科学方面）

关键词：

再生核Hilbert空间;高斯核;特征值;学习理论;正则化最小二乘算法
PDF格式BibTeX公司 XML格式引用
\textit{H.Q.Minh}，Constr。约32，编号2307-338（2010年；兹比尔1204.68157）
全文： DOI程序

参考文献：

[1] Aronszajn，N.：再生核理论。事务处理。美国数学。Soc.68337-404（1950）·Zbl 0037.20701号 ·doi:10.1090/S0002-9947-1950-0051437-7
[2] Boucheron，S.，Bousquet，O.，Lugosi，G.：分类理论：最新进展综述。ESAIM：探针。统计9，323–375（2005）·Zbl 1136.62355号 ·doi:10.1051/ps:2005018
[3] Carmeli，C.，De Vito，E.，Toigo，A.：可积函数的向量值再生核Hilbert空间和Mercer定理。分析。申请。4, 377–408 (2006) ·Zbl 1116.46019号 ·doi:10.1142/S0219530506000838
[4] Cucker，F.，Smale，S.：学习的数学基础。牛市。美国数学。Soc.39（1），1-49（2002）·Zbl 0983.68162号 ·doi:10.1090/S0273-0979-01-00923-5
[5] De Vito，E.，Caponnetto，A.，Rosasco，L.：学习理论中正则化最小二乘算法的模型选择。找到。计算。数学。5(1), 59–85 (2005) ·Zbl 1083.68106号 ·doi:10.1007/s10208-004-0134-1
[6] Gradshteyn，I.S.，Ryzhik，I.M.：积分表，系列，产品，第6版。圣地亚哥学术出版社（2000）
[7] Mercer，J.：正负型函数及其与积分方程理论的联系。菲洛斯。事务处理。英国皇家学会。，序列号。A 209415–446（1909）·doi:10.1098/rsta.1909.0016
[8] Minh，H.Q.：正则化最小二乘算法和学习半空间的问题。提交的预印本（2007年）
[9] Müller，C.：欧氏空间中球对称性的分析。应用数学科学，第129卷。施普林格，纽约（1997）
[10] Niyogi，P.，Girosi，F.：散射噪声数据中函数近似的广义界。高级计算。数学。10, 51–80 (1999) ·Zbl 1053.65506号 ·doi:10.1023/A:1018966213079
[11] Poggio，T.，Smale，S.：学习的数学：处理数据。不是。美国数学。Soc.50（5），537-544（2003）·Zbl 1083.68100号
[12] Schölkopf，B.，Smola，A.J.：与Kernels一起学习。麻省理工学院出版社，剑桥（2002）·Zbl 1019.68094号
[13] Smale，S.，Zhou，D.X.：通过积分算子及其近似值进行学习理论估计。施工。约26（2），153-172（2007）·Zbl 1127.68088号 ·doi:10.1007/s00365-006-0659-y
[14] Steinwart，I.：关于核对支持向量机一致性的影响。J.马赫。学习。第2号决议，67-93（2001年）·兹比尔1009.68143 ·doi:10.1162/153244302760185252
[15] Steinwart，I.，Hush，D.，Scovel，C.：高斯RBF核的再生核Hilbert空间的明确描述。IEEE传输。《信息论》52，4635–4643（2006）·Zbl 1320.68148号 ·doi:10.1109/TIT.2006.881713
[16] Sun，H.W.：非紧集上RKHS的Mercer定理。J.复杂。21, 337–349 (2005) ·Zbl 1094.46021号 ·doi:10.1016/j.co.2004.09.002
[17] Sun，H.W.，Zhou，D.X.：再现与解析平移不变Mercer核相关的核Hilbert空间。J.傅里叶分析。申请。14, 89–101 (2008) ·兹比尔1153.46017 ·doi:10.1007/s00041-007-9003-z
[18] Temlyakov，V.N.：学习理论中的近似。施工。约2733-74（2008年）·Zbl 05264756号 ·doi:10.1007/s00365-006-0655-2
[19] Tsybakov，A.B.：统计学习中分类器的最佳聚合。Ann.Stat.32（1），135–166（2004）·Zbl 1105.62353号 ·doi:10.1214/aos/1079120131
[20] Vapnik，V.：统计学习理论。威利，纽约（1998）·Zbl 0935.62007号
[21] Wahba，G.：观测数据的样条模型。CBMS-NSF应用数学区域会议系列。费城工业和应用数学学会（1990年）·兹伯利0813.62001
[22] Yao，Y.：在梯度下降学习中提前停止。施工。约26（2），289–315（2007年）·Zbl 1125.62035号 ·doi:10.1007/s00365-006-0663-2
[23] Ying，Y.，Zhou，D.X.：具有灵活方差的高斯函数的可学习性。J.马赫。学习。第8249–276号决议（2007年）·Zbl 1222.68339号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。