Reproducing Kernel Hilbert Space
Mostrando 1-4 de 4 artigos, teses e dissertações.
-
1. Diferenciabilidade em espaços de Hilbert de reprodução sobre a esfera / Differentiability in reproducing Kernel Hilbert space on the sphere
Um espaço de Hilbert de reprodução (EHR) é um espaço de Hilbert de funções construído de maneira específica e única a partir de um núcleo positivo definido. As funções do EHR tem a seguinte peculiaridade: seus valores podem ser reproduzidos através de uma operação elementar envolvendo a própria função, o núcleo gerador e o produto interno
IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia. Publicado em: 02/03/2012
-
2. EXTRAÇÃO CEGA DE SINAIS COM ESTRUTURAS TEMPORAIS UTILIZANDO ESPAÇOS DE HILBERT REPRODUZIDOS POR KERNEIS / BLIND SIGNAL EXTRACTION WITH TEMPORAL STRUCTURES USING HILBERT SPACE REPRODUCED BY KERNEL
Esta dissertação deriva e avalia um novo método nãolinear para Extração Cega de Sinais através de operações algébricas em um Espaço de Hilbert Reproduzido por Kernel (RKHS, do inglês Reproducing Kernel Hilbert Space). O processo de extração de sinais desejados de misturas é realizado utilizando-se informação sobre a estrutura temporal deste
IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia. Publicado em: 10/02/2012
-
3. Positive integral operators and reproducing kernel Hilbert spaces / Operadores integrais positivos e espaços de Hilbert de reprodução
In this work we study theoretical properties of positive integral operators on L POT. 2(X; u), in the case when X is a topological space, either locally compact or first countable, and u is a strictly positive measure. The analysis is directed to spectral properties of the operator which are related to some extensions of Mercers Theorem and to the study of t
Publicado em: 2010
-
4. Soft and hard classification by reproducing kernel Hilbert space methods
Reproducing kernel Hilbert space (RKHS) methods provide a unified context for solving a wide variety of statistical modelling and function estimation problems. We consider two such problems: We are given a training set {yi, ti, i = 1, … , n}, where yi is the response for the ith subject, and ti is a vector of attributes for this subject. The value of yi
National Academy of Sciences.