¿Libros de texto sobre la reproducción del enfoque espacial del núcleo de Hilbert para el aprendizaje automático?

8

Pregunta: ¿Alguien sabe de algún libro de texto que presente el aprendizaje automático (por primera vez) a través del enfoque espacial del núcleo de reproducción Hilbert ? Es decir, ¿qué supone el análisis funcional como requisito previo, pero no supone un conocimiento previo del aprendizaje automático?

Cualquier artículo de la encuesta sería un segundo cercano. No hay trabajos de investigación, por favor. Quiero aprender la teoría antes de intentar ponerla en práctica.

Antecedentes: hay un curso que se impartirá en mi universidad este semestre que promete utilizar métodos de análisis funcional para introducir el aprendizaje automático, específicamente espacios de Hilbert con núcleos reproductores. Esto sería realmente bueno para mí, ya que conozco el análisis funcional, no conozco el aprendizaje automático y quiero aprenderlo por primera vez.

Descripción del curso (en alemán) - sin referencias a la literatura
Página de inicio del curso - nuevamente sin referencias a la literatura
Página del curso para un curso similar en otra universidad - todas las referencias son trabajos de investigación

Sin embargo, no estoy seguro si tendré el espacio en mi horario para tomar este curso, o si entrará en conflicto con un curso que tengo que tomar este semestre. Por lo tanto, me gustaría poder estudiar este tema por mi cuenta en mi tiempo libre en el futuro si no puedo tomar este curso este semestre.

Chill2Macht
fuente

Respuestas:

4

La mejor referencia estándar será

Aronszajn, Najman. "Teoría de la reproducción de granos". Transacciones de la sociedad matemática estadounidense 68.3 (1950): 337-404.

No estoy seguro de cuán profundo sabe sobre análisis funcional, los diferentes niveles de análisis funcional tienen una gran diferencia. Entonces diré que otro estándar es:

Smola, Alex J. y Bernhard Schölkopf. Aprendiendo con granos. GMD-Forschungszentrum Informationstechnik, 1998.

Tampoco estoy seguro sobre su formación matemática general, más o menos puede interesarle:

Lafferty, John y Guy Lebanon. "Núcleos de difusión en múltiples estadísticas". Journal of Machine Learning Research 6. Jan (2005): 129-163.

Henry.L
fuente
1
Todos parecen referencias muy buenas e interesantes, especialmente la última, ya que probablemente podré usar lo que estoy aprendiendo en mi curso de geometría diferencial para tratar de entenderlo. Le agradezco que se haya tomado el tiempo para responder esto: ¡disfrute el resto de su semana!
Chill2Macht