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（二十四）-Universal and refinable kernels(one)
Vod_65807.jpeg
CKFASTB0605091432019.flv
288
350
65807/info.html
error.html
http://gffgaf75067c2e8a043a7hwwwk9bfx5kwk6knv.fbyb.hbpu.cwkeji.cn/adksvod/PublicFolder/Player
http://gffga05319f78c7994b03hwwwk9bfx5kwk6knv.fbyb.hbpu.cwkeji.cn/flvServer.aspx