Learning from Data as an Optimization and Inverse Problem

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F12%3A00376629" target="_blank" >RIV/67985807:_____/12:00376629 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1007/978-3-642-27534-0_24" target="_blank" >http://dx.doi.org/10.1007/978-3-642-27534-0_24</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-642-27534-0_24" target="_blank" >10.1007/978-3-642-27534-0_24</a>

Jazyk výsledku
angličtina
Název v původním jazyce
Learning from Data as an Optimization and Inverse Problem
Popis výsledku v původním jazyce
Learning form data is investigated as minimization of empirical error functional in spaces of continuous functions and spaces defined by kernels. Using methods from theory of inverse problems, an alternative proof of Representer Theorem is given. Regularized and non regularized minimization of empirical error is compared.
Název v anglickém jazyce
Learning from Data as an Optimization and Inverse Problem
Popis výsledku anglicky
Learning form data is investigated as minimization of empirical error functional in spaces of continuous functions and spaces defined by kernels. Using methods from theory of inverse problems, an alternative proof of Representer Theorem is given. Regularized and non regularized minimization of empirical error is compared.

Projekt
<a href="/cs/project/GAP202%2F11%2F1368" target="_blank" >GAP202/11/1368: Učení funkcionálních vztahů z vysoce dimenzionálních dat</a><br>
Návaznosti
Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění
2012
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Podobné výsledky(10)