Oct, 2023
通过学习非对称局部自适应核增强核的灵活性
Enhancing Kernel Flexibility via Learning Asymmetric Locally-Adaptive Kernels
Fan He, Mingzhen He, Lei Shi, Xiaolin Huang, Johan A.K. Suykens
TL;DR本文介绍了一种新型的局部自适应带宽(LAB)径向基函数(RBF)核,利用可训练参数增强了核的灵活性,同时建立了一个非对称核岭回归框架并引入了一种迭代式核学习算法,实验结果表明该算法在处理大规模数据集上具有显著性能优势,并且在回归准确度上优于现有的基于核的学习方法,甚至超过了残差神经网络。