关键词locally-adaptive-bandwidths
搜索结果 - 2
- 非对称核学习的核岭回归学习分析
本文通过加入局部自适应带宽的 RBF 核和核学习技术,提升了核无岭回归,并首次证明了由 LAB RBF 核学习的函数属于可重构核希尔伯特空间。尽管所提出模型中没有显式正则化,但其优化等效于在可重构核希尔伯特空间中解决一个 l0 正则化问题, - 通过学习非对称局部自适应核增强核的灵活性
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