再论再生核的普适性
机器学习
2013-10-25 v2
摘要
核方法已广泛应用于机器学习及其他从有限样本数据逼近未知函数的问题中。为确保此类逼近的任意精度，对所选核施加了各种稠密性条件。本文有助于研究普适核（universal kernels）、特征核（characteristic kernels）和 -普适核。我们首先给出这三类核普适性之间差异与关系的简单直接描述。随后，我们聚焦于平移不变核和加权多项式核。我们将呈现已知特征平移不变核刻画的一个更简单、更简短的证明。本文的主要目的是对加权多项式核的普适性进行细致的讨论。
引用
@article{arxiv.1310.5543,
title = {Universalities of Reproducing Kernels Revisited},
author = {Benxun Wang and Haizhang Zhang},
journal= {arXiv preprint arXiv:1310.5543},
year = {2013}
}