.png){kind=icon}
返回
Operator-valued kernels, machine learning, and dynamical systems
.png){kind=icon}
PRE
AI
DOI：10.1016/j.physd.2025.134657.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在核优化（kernel optimization）的背景下，我们证明了一个结果，该结果产生了新的因式分解（factorizations）和实现（realizations）。我们的初始背景是一般正算子值核（positive operator-valued kernels）。我们进一步阐述了其对希尔伯特空间值高斯过程（Hilbert space-valued Gaussian processes）的影响，因为这些过程出现在动力学（dynamics）和机器学习（machine learning）的应用中。此外，在非交换概率论（non-commutative probability theory）中给出了进一步的应用，包括一个新的非交换Radon-Nikodym定理。
Keyword:
Positive definite functions
Gaussian processes
Covariance
Dilation
Non-commutative Radon-Nikodym derivatives
Completely positive maps
Measurement
Quantum states
Quantum gates
Kernel method
期刊
P
IF:
2.9
论文数:
389
被引数:
1.5W
机构
引用论文
分享收藏
Bernstein–Jackson Inequalities on Gaussian Hilbert SpacesBernstein–Jackson 不等式在 Gaussian Hilbert 空间中
OAAI
OAAI分享收藏On Positive Definite Kernels of Integral Operators Corresponding to the Boundary Value Problems for Fractional Differential Equations分数微分方程边值问题对应积分算子的正定核.png)
EntropyOAAI
EntropyIF0
OAAI分享收藏Spectral Theory for Gaussian Processes: Reproducing Kernels, Boundaries, and L2-Wavelet Generators with Fractional Scales高斯过程的谱理论：再生核、边界和具有分数尺度的L2-小波生成器
PREAI
分享收藏New characterizations of reproducing kernel Hilbert spaces and applications to metric geometry再生核希尔伯特空间的新刻画及其在度量几何中的应用OAAI
OAAI分享收藏
查看更多内容