《网上报告厅》--播放窗口

基于可再生核的机器学习理论（三十一）-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（三十一）-Optimal learning from sampling(four)

Vod_65799.jpeg

CKFASTB0605091432007.flv

288

350

error.html

http://gffgaf75067c2e8a043a7hkk0wxf6uufkb6nux.fbyb.hbpu.cwkeji.cn/adksvod/PublicFolder/Player

http://gffga05319f78c7994b03hkk0wxf6uufkb6nux.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

采样点的选择

采样点在监测区域内采集环境样品的准确位置。按照采样点的稳定性可分为固定采样点和流动或随机采样点。采样点的选择适用于不同领域，同样在机器学习理论上也广泛使用。那针对在函数的取值范围上，其采样点有什么注意事项的。

误差参数选择

全文文稿

收藏说明：