《网上报告厅》--播放窗口

基于可再生核的机器学习理论（五）-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（五）-Introduction to machine learning(five)

Vod_65778.jpeg

CJFZFGB0606161445050.flv

288

350

error.html

http://gffgaf75067c2e8a043a7hxx0buqnqvvbo69u9.fbyb.hbpu.cwkeji.cn/adksvod/PublicFolder/Player

http://gffga05319f78c7994b03hxx0buqnqvvbo69u9.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

回归分析

回归分析是处理两个及两个以上变量间线性依存关系的统计方法。调用此过程可完成二元或多元的线性回归分析。在多元线性回归分析中，用户还可根据需要，选用不同筛选自变量的方法。估计回归系数的方法有很多，通常采用最小平方法。其中心思想，是通过数学模型，配合一条较为理想的趋势线。这条趋势线必须满足原数列的观察值与模型的估计值得离差平方和为最小；原数列的观察值与模型的估计值的离差总和等于零。

劳斯方程

全文文稿

收藏说明：