Informacja

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

Wyszukujesz frazę "positive definite kernel" wg kryterium: Temat


Wyświetlanie 1-4 z 4
Tytuł:
Some methods of constructing kernels in statistical learning
Autorzy:
Górecki, Tomasz
Łuczak, Maciej
Powiązania:
https://bibliotekanauki.pl/articles/729927.pdf
Data publikacji:
2010
Wydawca:
Uniwersytet Zielonogórski. Wydział Matematyki, Informatyki i Ekonometrii
Tematy:
positive definite kernel
dot product kernel
statistical kernel
SVM
kPCA
Opis:
This paper is a collection of numerous methods and results concerning a design of kernel functions. It gives a short overview of methods of building kernels in metric spaces, especially $R^n$ and $S^n$. However we also present a new theory. Introducing kernels was motivated by searching for non-linear patterns by using linear functions in a feature space created using a non-linear feature map.
Źródło:
Discussiones Mathematicae Probability and Statistics; 2010, 30, 2; 179-201
1509-9423
Pojawia się w:
Discussiones Mathematicae Probability and Statistics
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:
The kaehlerian structures and reproducing kernels
Autorzy:
Krok, Anna
Mazur, Tomasz
Powiązania:
https://bibliotekanauki.pl/articles/1312580.pdf
Data publikacji:
1991
Wydawca:
Polska Akademia Nauk. Instytut Matematyczny PAN
Tematy:
kaehlerian manifold
kaehlerian potential
positive definite function
Bergman function
reproducing kernel
Opis:
It is shown that one can define a Hilbert space structure over a kaehlerian manifold with global potential in a natural way.
Źródło:
Annales Polonici Mathematici; 1991, 55, 1; 221-224
0066-2216
Pojawia się w:
Annales Polonici Mathematici
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