Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Jorgensen, Palle" wg kryterium: Autor


Wyświetlanie 1-4 z 4
Tytuł:
Finitely additive functions in measure theory and applications
Autorzy:
Alpay, Daniel
Jorgensen, Palle
Powiązania:
https://bibliotekanauki.pl/articles/29519748.pdf
Data publikacji:
2024
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
Hilbert space
reproducing kernel
probability space
Gaussian field
transforms
covariance
Itô integration
Itô calculus
generalized Brownian motion
Opis:
In this paper, we consider, and make precise, a certain extension of the Radon–Nikodym derivative operator, to functions which are additive, but not necessarily sigma-additive, on a subset of a given sigma-algebra. We give applications to probability theory; in particular, to the study of μ-Brownian motion, to stochastic calculus via generalized Itô-integrals, and their adjoints (in the form of generalized stochastic derivatives), to systems of transition probability operators indexed by families of measures μ, and to adjoints of composition operators.
Źródło:
Opuscula Mathematica; 2024, 44, 3; 323-339
1232-9274
2300-6919
Pojawia się w:
Opuscula Mathematica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
New characterizations of reproducing kernel Hilbert spaces and applications to metric geometry
Autorzy:
Alpay, Daniel
Jorgensen, Palle E.T.
Powiązania:
https://bibliotekanauki.pl/articles/2051893.pdf
Data publikacji:
2021
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
reproducing kernel
positive definite functions
approximation
algorithms
measures
stochastic processes
Opis:
We give two new global and algorithmic constructions of the reproducing kernel Hilbert space associated to a positive definite kernel. We further present a general positive definite kernel setting using bilinear forms, and we provide new examples. Our results cover the case of measurable positive definite kernels, and we give applications to both stochastic analysis and metric geometry and provide a number of examples.
Źródło:
Opuscula Mathematica; 2021, 41, 3; 283-300
1232-9274
2300-6919
Pojawia się w:
Opuscula Mathematica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Multi-variable quaternionic spectral analysis
Autorzy:
Cho, Ilwoo
Jorgensen, Palle E. T.
Powiązania:
https://bibliotekanauki.pl/articles/2051073.pdf
Data publikacji:
2021
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
quaternions H
vector spaces Hn over H
q-spectral forms
q-spectral functions
Opis:
In this paper, we consider finite dimensional vector spaces $\mathbb{H}^{n}$ over the ring $\mathbb{H}$ of all quaternions. In particular, we are interested in certain functions acting on Hn , and corresponding functional equations. Our main results show that (i) all quaternions of $\mathbb{H}^{n}$ are classified by the spectra of their realizations under representation, (ii) all vectors of Hn are classified by a canonical extended setting of (i), and (iii) the usual spectral analysis on the matricial ring $M_{n} (C)$ of all $(n \times n)$-matrices over the complex numbers $\mathbb{C}$ has close connections with certain “non-linear” functional equations on $\mathbb{H}^{n}$ up to the classification of (ii).
Źródło:
Opuscula Mathematica; 2021, 41, 3; 335-379
1232-9274
2300-6919
Pojawia się w:
Opuscula Mathematica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Conditional mean embedding and optimal feature selection via positive definite kernels
Autorzy:
Jorgensen, Palle E.T.
Song, Myung-Sin
Tiang, James
Powiązania:
https://bibliotekanauki.pl/articles/29519641.pdf
Data publikacji:
2024
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
positive-definite kernels
reproducing kernel Hilbert space
stochastic processes
frames
machine learning
embedding problem
optimization
Opis:
Motivated by applications, we consider new operator-theoretic approaches to conditional mean embedding (CME). Our present results combine a spectral analysis-based optimization scheme with the use of kernels, stochastic processes, and constructive learning algorithms. For initially given non-linear data, we consider optimization-based feature selections. This entails the use of convex sets of kernels in a construction of optimal feature selection via regression algorithms from learning models. Thus, with initial inputs of training data (for a suitable learning algorithm), each choice of a kernel K in turn yields a variety of Hilbert spaces and realizations of features. A novel aspect of our work is the inclusion of a secondary optimization process over a specified convex set of positive definite kernels, resulting in the determination of “optimal” feature representations.
Źródło:
Opuscula Mathematica; 2024, 44, 1; 79-103
1232-9274
2300-6919
Pojawia się w:
Opuscula Mathematica
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-4 z 4

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies