《网上报告厅》--播放窗口

基于可再生核的机器学习理论（二十九）-O……

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（二十九）-Optimal learning from sampling(two)

Vod_65788.jpeg

CKFASTB0605091432015.flv

288

350

error.html

http://gffgaf75067c2e8a043a7hkwpx995c9ux06fv9.fbyb.hbpu.cwkeji.cn/adksvod/PublicFolder/Player

http://gffga05319f78c7994b03hkwpx995c9ux06fv9.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

误差分析

误差是用来衡量数值方法好与坏的重要标志，为此对每一个方法都要注意误差分析，可结合一些实际问题加深理解无线概念和理论的实际意义。求解数学模型所用的数值计算方法如果是一种近似方法，那么只能得到数学模型的近似解，由此产生的误差称为方法误差或模型误差。

函数采样点

全文文稿

收藏说明：