《网上报告厅》--播放窗口

基于可再生核的机器学习理论（四）-Int……

张海樟

演讲人

中山大学数学与计算科学学院正教授

张海樟，2003本科毕业于北京师范大学数学系，2006年硕士毕业于中科院数学所，2009博士毕业于Syracuse University数学系，现为 University of Michigan博士后，已受聘为中山大学数学与计算科学学院正教授。主要研究领域包括应用与计算调和分析、机器学习理论、非线性时频分析。

Au_65799_0.jpeg

此课程介绍基于可再生核的机器学习理论的最近数学进展。具体内容包括：可再生核及可再生核Hilbert空间理论；统计学习理论简介；支持向量机和正则化网络；表现定理和一致逼近核；可细化核及细化核方法；可再生Hilbert空间上基于采样的最佳重构；可再生核Banach空间。机器学习理论在经济方面的应用及其相关文献将会被尽可能地介绍到。

基于可再生核的机器学习理论（四）-Introduction to machine learning(four)

Vod_65777.jpeg

CJFZFGB0606161445063.flv

288

350

error.html

http://gffgaf75067c2e8a043a7hukuobbocbf5x6059.fbyb.hbpu.cwkeji.cn/adksvod/PublicFolder/Player

http://gffga05319f78c7994b03hukuobbocbf5x6059.fbyb.hbpu.cwkeji.cn/flvServer.aspx

讲师风采

: 张海樟; 中山大学数学与计算科学学院正教授

讲师简介：: 张海樟，2003本科毕业于北京师范大学数学系，2006年硕士毕业于中科院数学所，2009博士毕业于Syracuse University数学系，现为 University of Michigan博士后……

视频简介：: 此课程介绍基于可再生核的机器学习理论的最近数学进展。具体内容包括：可再生核及可再生核Hilbert空间理论；统计学习理论简介；支持向量机和正则化网络；表现定理和一致逼近核；可细化核及细化核方法；可再生Hilbert空间上基于采样的最佳重构；可再生核Banach空间。机器学习理论在经济方面的应用及其相关文献将会被尽可能地介绍到。

发布评论

全部评论

段落信息

向量值的可再生核

我们讲的可再生核是基于一维的可再生核，在要同时预测多个事物的情况下，应该运用向量值的可再生核，利用内积同构的线性算子，可以把V0子空间的尺度函数折算为Hilbert空间的子空间(平均值)V0的尺度函数，构造出新的Walsh序列再生核。该尺度再生核函数具有更高的辨识精度，较少支持向量数目。

再生核的数值逼近

全文文稿

收藏说明：