会员服务
输出空间 · 再生核希尔伯特空间 · 输入空间 · 输出 · 核化 ·
2021 年 3 月 30 日
Regularised Least-Squares Regression with Infinite-Dimensional Output Space
翻译：具有无限二维输出空间的正规化最低区域回归
Junhyunng Park,Krikamol Muandet
Junhyunng Park,Krikamol Muandet

We present some learning theory results on vector-valued reproducing kernel Hilbert space (RKHS) regression, where the input space is allowed to be non-compact and the output space is a (possibly infinite-dimensional) Hilbert space.


翻译：我们展示了一些关于矢量价值的复制内核Hilbert空间(RKHS)回归的学习理论结果,允许输入空间不兼容,输出空间(可能无限)Hilbert空间。
0
下载
关闭预览

相关内容

【斯坦福大学CS229】面向机器学习的线性代数和微积分要点速览(中文版)《CS 229 - Linear Algebra and Calculus refresher》by Afshine Amidi, Shervine Amidi
【斯坦福大学CS229】面向机器学习的线性代数和微积分要点速览(中文版)《CS 229 - Linear Algebra and Calculus refresher》by Afshine Amidi, Shervine Amidi
专知会员服务
198+阅读 · 2019年12月19日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
50+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
36+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
163+阅读 · 2019年10月12日
【CMU卡内基梅隆大学】深度学习在计算机视觉的应用：方法，解释，因果与公平性
【CMU卡内基梅隆大学】深度学习在计算机视觉的应用：方法，解释，因果与公平性
专知会员服务
83+阅读 · 2019年10月9日
盘一盘 Python 系列 8 - Sklearn
盘一盘 Python 系列 8 - Sklearn
平均机器
5+阅读 · 2019年5月30日
逆强化学习-学习人先验的动机
逆强化学习-学习人先验的动机
CreateAMind
16+阅读 · 2019年1月18日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
强化学习 cartpole_a3c
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
The gradient complexity of linear regression
Arxiv
0+阅读 · 2021年5月23日
Segmentation of high dimensional means over multi-dimensional change points and connections to regression trees
Arxiv
0+阅读 · 2021年5月20日
Performance of Empirical Risk Minimization for Linear Regression with Dependent Data
Arxiv
0+阅读 · 2021年5月19日
Fundamental limits and algorithms for sparse linear regression with sublinear sparsity
Arxiv
0+阅读 · 2021年5月19日
Local Exchangeability
Arxiv
0+阅读 · 2021年5月19日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
输出空间
再生核希尔伯特空间
输入空间
输出
核化
相关VIP内容
【斯坦福大学CS229】面向机器学习的线性代数和微积分要点速览(中文版)《CS 229 - Linear Algebra and Calculus refresher》by Afshine Amidi, Shervine Amidi
【斯坦福大学CS229】面向机器学习的线性代数和微积分要点速览(中文版)《CS 229 - Linear Algebra and Calculus refresher》by Afshine Amidi, Shervine Amidi
专知会员服务
198+阅读 · 2019年12月19日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
50+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
36+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
163+阅读 · 2019年10月12日
【CMU卡内基梅隆大学】深度学习在计算机视觉的应用：方法，解释，因果与公平性
【CMU卡内基梅隆大学】深度学习在计算机视觉的应用：方法，解释，因果与公平性
专知会员服务
83+阅读 · 2019年10月9日
热门VIP内容
相关资讯
盘一盘 Python 系列 8 - Sklearn
盘一盘 Python 系列 8 - Sklearn
平均机器
5+阅读 · 2019年5月30日
逆强化学习-学习人先验的动机
逆强化学习-学习人先验的动机
CreateAMind
16+阅读 · 2019年1月18日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
强化学习 cartpole_a3c
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
相关论文
The gradient complexity of linear regression
Arxiv
0+阅读 · 2021年5月23日
Segmentation of high dimensional means over multi-dimensional change points and connections to regression trees
Arxiv
0+阅读 · 2021年5月20日
Performance of Empirical Risk Minimization for Linear Regression with Dependent Data
Arxiv
0+阅读 · 2021年5月19日
Fundamental limits and algorithms for sparse linear regression with sublinear sparsity
Arxiv
0+阅读 · 2021年5月19日
Local Exchangeability
Arxiv
0+阅读 · 2021年5月19日
Top
微信扫码咨询专知VIP会员
Top