[過去ﾛｸﾞ] ガロア第一論文と乗数イデアル他関連資料スレ2 (1002ﾚｽ)
上下前次1-新
抽出解除 ﾚｽ栞
このｽﾚｯﾄﾞは過去ﾛｸﾞ倉庫に格納されています｡
次ｽﾚ検索 歴削→次ｽﾚ 栞削→次ｽﾚ 過去ﾛｸﾞﾒﾆｭｰ
ﾘﾛｰﾄﾞ規制です｡10分ほどで解除するので､他のﾌﾞﾗｳｻﾞへ避難してください｡
535(2): １３２人目の素数さん [] 2023/03/18(土)20:40 ID:M09HE8oG(15/24)
>>530
再生核 Reproducing kernel
https://encyclopediaofmath.org/wiki/Reproducing_kernel
Reproducing kernel Encyclopedia of Mathematics
https://en.wikipedia.org/wiki/Reproducing_kernel_Hilbert_space
Reproducing kernel Hilbert space
http://ibisforest.org/index.php?%E5%86%8D%E7%94%9F%E6%A0%B8Hilbert%E7%A9%BA%E9%96%93
朱鷺の杜Wiki
再生核Hilbert空間 (reproducing kernel Hilbert space)
Hilbert空間 (完備性と可分性をもつ内積が定義されたベクトル空間) の一つで以下のようなもの．
正定値カーネル k(xi,xj) で，次の再生核写像で，元の点 xi が高次元空間に写される．
Φ:xi→k(x,xi)
空間中のある点 xi に対するこの写像の像の線形結合で構成されるベクトル空間が再生核Hilbert空間
f(x)=∑i=1mαik(x,xi)
この空間の元 f について，f(x)=(f,k(・,x)) で関数の値が計算できる再生性が重要．これにより，内積計算が元空間のカーネルで計算できる
(k(・,xi),k(・,xi))=k(xi,xj)
多くの場合，任意の点 x の値が，与えられたサンプル点 xi についての f(x)=∑mi=1αik(x,xi) で計算できる (レプリゼンタ定理) ．よって，元の空間での内積だけで高次元モデルを扱えるようになるので利点はあるが，ある値を計算する度にデータ全体を走査するのでデータ数が多いときの計算は不利．
--しましま
関連項目
reproducing kernel Hilbert space
レプリゼンタ定理
representer theorem
正定値カーネル
検索:再生核Hilbert空間 再生核ヒルベルト空間 RKHS
リンク集
Reproducing Kernel Hilbert Spaces@M.Jordan
統数研 公開講座「カーネル法の最前線 ― ＳＶＭ, 非線形データ解析, 構造化データ ― 」 のカーネル法の基礎
Wikipedia:Reproducing_kernel_Hilbert_space
関連文献
Book/The Elements of Statistical Learning 5.8章
Book/学習システムの理論と実現 3.6節
537(1): １３２人目の素数さん [] 2023/03/18(土)20:53 ID:M09HE8oG(16/24)
>>535
>再生核 Reproducing kernel
>Book/学習システムの理論と実現 3.6節
機械学習に再生核理論が使われるみたい（下記）
http://ibis.t.u-tokyo.ac.jp/suzuki/lecture/2020/intensive2/%E8%AC%9B%E7%BE%A96.pdf
深層学習および機械学習の数理
鈴木大慈
東京大学大学院情報理工学系研究科数理情報学専攻
理研 AIP
2020 年 9 月 2 日～4 日
@九州大学集中講義
Outline
1 カーネル法と RKHS における確率的最適化
・再生核ヒルベルト空間の定義
・再生核ヒルベルト空間における最適化
2 深層ニューラルネットワークとカーネル
P10
再生核ヒルベルト空間
(Reproducing Kernel Hilbert Space, RKHS)
P11
再生核ヒルベルト空間の性質
P12
再生核ヒルベルト空間のイメージ
（これいいね）
P16
再生核ヒルベルト空間内の確率的最適化 (1)
543(2): １３２人目の素数さん [] 2023/03/18(土)23:18 ID:M09HE8oG(20/24)
>>535
>https://en.wikipedia.org/wiki/Reproducing_kernel_Hilbert_space
>Reproducing kernel Hilbert space
追加引用 （一部google訳）
https://upload.wikimedia.org/wikipedia/commons/6/65/Different_Views_on_RKHS.png
図は、RKHS を表示するための関連するさまざまなアプローチを示しています。
RKHS ではない関数のヒルベルト空間を構成することは、完全に単純ではありません。[1]ただし、いくつかの例が見つかっています。[2] [3]
It is not entirely straightforward to construct a Hilbert space of functions which is not an RKHS.[1] Some examples, however, have been found.[2][3]
L2 spaces are not Hilbert spaces of functions (and hence not RKHSs), but rather Hilbert spaces of equivalence classes of functions (for example, the functions
f and g defined by f(x)=0 and
g(x)=1_Q are equivalent in L2). However, there are RKHSs in which the norm is an L2-norm, such as the space of band-limited functions (see the example below).
An RKHS is associated with a kernel that reproduces every function in the space in the sense that for every x in the set on which the functions are defined, "evaluation at x" can be performed by taking an inner product with a function determined by the kernel. Such a reproducing kernel exists if and only if every evaluation functional is continuous.
つづく
上下前次1-新書関写板覧索設栞歴
ｽﾚ情報 赤ﾚｽ抽出 画像ﾚｽ抽出 歴の未読ｽﾚ AAｻﾑﾈｲﾙ
ぬこの手 ぬこTOP 0.046s