核学习中的非光滑分析法
分类: 图书,科学与自然,数学,
品牌: 盛宝怀叶培新陈志祥
基本信息出版社:科学出版社; 第1版 (2012年3月1日)精装:118页正文语种:简体中文开本:16ISBN:9787030337948, 7030337948条形码:9787030337948商品尺寸:24.1 x 17.3 x 1.3 cm商品重量:295 gASIN:B007XCF0YE商品描述编辑推荐《核学习中的非光滑分析法》编辑推荐:非光滑分析是指针对非光滑函数而建立的数学分析理论。这里,函数的非光滑是指无经典意义下的导数和微分。非光滑分析最早产生于计算函数的极值。
《核学习中的非光滑分析法》可以作为学习理论的入门读物,也适合高等院校高年级本科生、研究生、教师和相关科研人员参考。目录前言
符号表
第1章 Hilbert空间基础知识
1.1 实赋范线性空间
1.2 实Hilbert空间
1.3 中线公式
1.4 Hibert空间中的正交系
1.5 投影定理
1.6 全连续算子
1.7 自共轭线性算子
第2章 再生核Hilbert空间基础知识
2.1 Mercer核与再生核Hilbert空间
2.2 Mereer定理
2.3 再生核Hilhert空间中的正交基
第3章 凸函数与广义梯度
3.1 凸集、凸锥及凸函数
3.2 广义梯度及其性质
3.3 凸函数的次微分
3.4 凸规划
第4章 概率不等式
4.1 概率空间
4.2 随机变量及分布
4.3 条件分布及条件数学期望
4.4 抽象空间中的随机变量
4.5 Hilbert空间上的Hoeffding不等式
第5章 正则化学习模型
5.1 正则化分类学习
5.2 正则化回归学习算法
5.3 系数正则化算法
第6章 学习速度与K泛函
6.1 学习速度
6.2 学习速度与K泛函
6.3 学习速度的概率表示
第7章 正则化回归算法的收敛速度
7.1 最小平方损失下范数正则化回归算法的收敛速度
7.2 Lipschitz损失下正则化回归算法的收敛速度
7.3 最小平方损失下l2系数正则化回归算法的收敛速度
第8章 正则化分类算法的收敛速度
8.1 范数正则化分类算法收敛速度
8.2 系数正则化分类算法收敛速度
8.3 基于折叶型损失的分类算法收敛速度
8.4 基于最小平方损失的分类算法收敛速度
第9章 几个相关研究方向
9.1 半监督学习算法
9.2 在线学习算法
9.3 非独立样本学习算法
9.4 Shannon函数采样点值重构学习
参考文献
索引