Математика >Теория статистики [представлена 16 сентября 2026 года] Название: Robust Discount Bounds for Vector-Valued Kernel Ridression View PDF HTML (экспериментальный) резюме: Хотя методы обучения на основе ядра для функций, оцениваемых как скалярные, были тщательно изучены, относительно мало работы касается нелинейных операторов с оценкой векторов. Такие операторы, имеющие данные о стоимости векторной продукции, например векторы состояния и траектории, обычно возникают при проблемах идентификации системы. В настоящем документе мы изучаем проблему обучения оператора, оцениваемого вектором, в рамках регрессии хребта ядер с векторами. Мы предполагаем, что результаты принимают значения в произвольном пространстве Хилберта и искажаются из-за звуков присадок с ограниченной нормой. При предположении, что неизвестный оператор принадлежит к воспроизводительному ядру Хилберта с векторной оценкой, мы вычисляем точечную детерминистскую связь между несоответствием оценки регрессии хребта ядра и наземной правдой в соответствующей космической норме Хильбера. Для подтверждения теоретических результатов представляются цифровые модели в рамках двух различных сценариев. Текущий контекст просмотра: математики.ST Ссылки и цитаты Загрузка... Библиографический и цитационно-инструментальный библиолог (Что является Исследовательом?) Подключённые документы (что такое подсоединенные бумаги?) Litmaps (Литмпапс?) Skite Smart Citations (Каков умный цитаты?) Код, данные и средства массовой информации,…
Жесткие границы ошибок для регрессии Vector-Valued Kernel Ridge
arXiv:2609.199443v1 Annualce Type: New Humber Brieflow: Хотя основанные на ядрах методы обучения для функций, оцениваемых скалярами, были тщательно изучены, относительно мало работы касается нелинейных операторов с оценкой вектора. Такие операторы, имеющие данные о стоимости векторной продукции, например векторы состояния и траектории, обычно возникают при проблемах идентификации системы. В настоящем документе мы изучаем проблему обучения оператора, оцениваемого вектором, в рамках регрессии хребта ядер с векторами. Мы предполагаем, что результаты принимают значения в произвольном пространстве Хилберта и искажаются из-за звуков присадок с ограниченной нормой. При предположении, что неизвестный оператор принадлежит к воспроизводительному ядру Хилберта с векторной оценкой, мы вычисляем точечную детерминистскую связь между несоответствием оценки регрессии хребта ядра и наземной правдой в соответствующей космической норме Хильбера. Для подтверждения теоретических результатов представляются цифровые модели в рамках двух различных сценариев.