基于多算子值核的在线学习
机器学习
2013-11-06 v2 机器学习
摘要
我们考虑在线学习设定下学习向量值函数 f 的问题。假设函数 f 位于算子值核的再生希尔伯特空间中。我们描述了两种在学习 f 时考虑输出结构的在线算法。首要贡献是提出了 ONORMA 算法，它将标准的基于核的在线学习算法 NORMA 从标量值情形扩展到了算子值情形。我们报告了一个适用于分类和回归任务的累积误差界。随后，我们定义了第二种算法 MONORMA，它通过顺序学习算子值核的线性组合，解决了 ONORMA 中需预先定义输出结构的局限性。实验表明，所提出的算法以较低的计算成本取得了良好的性能结果。
引用
@article{arxiv.1311.0222,
title = {Online Learning with Multiple Operator-valued Kernels},
author = {Julien Audiffren and Hachem Kadri},
journal= {arXiv preprint arXiv:1311.0222},
year = {2013}
}