Jadrá pre vektorové funkcie: Prehľad

Pôvodný názov:

Kernels for Vector-Valued Functions: A Review

Obsah knihy:

Jadrové metódy patria medzi najobľúbenejšie techniky v strojovom učení. Z pohľadu teórie regularizácie poskytujú prirodzenú voľbu priestoru hypotéz a regularizačného funkcionálu prostredníctvom pojmu reprodukcie jadrových Hilbertových priestorov.

Z pohľadu teórie pravdepodobnosti sú kľúčové v kontexte Gaussových procesov, kde je jadrová funkcia známa ako kovariančná funkcia. Teória jadrových metód pre jednohodnotové funkcie je už dobre zavedená a skutočne sa venovalo značné množstvo práce navrhovaniu a učeniu jadier. V poslednom čase sa zvýšil záujem o metódy, ktoré sa zaoberajú viacerými výstupmi, čiastočne motivovaný rámcami, ako je multitaskové učenie.

Medzi aplikácie jadier pre vektorové funkcie patria senzorové siete, geostatistika, počítačová grafika a niekoľko ďalších. Jadrá pre vektorové funkcie: Prehľad sa zaoberá rôznymi metódami navrhovania alebo učenia platných jadrových funkcií pre viacero výstupov, pričom osobitnú pozornosť venuje spojeniu medzi pravdepodobnostnými a regularizačnými metódami.

Jadrá pre vektorové funkcie: Prehľad je určený výskumníkom, ktorí sa zaujímajú o teóriu a aplikáciu jadier pre vektorové funkcie v oblastiach, ako je štatistika, informatika a inžinierstvo. Jedným z jej cieľov je poskytnúť jednotný rámec a spoločnú terminológiu pre výskumníkov pracujúcich v oblasti strojového učenia a štatistiky.