非同分布抽樣回歸學(xué)習(xí)算法.pdf

1、基于非同分布抽樣的回歸學(xué)習(xí)算法是核回歸學(xué)習(xí)的一個重要分支。國際著名學(xué)習(xí)理論專家S.Smale和D.X.Zhou針對非同分布抽樣提出邊緣分布收斂假設(shè)(MDCA)，但由于抽樣的邊緣分布與回歸學(xué)習(xí)的一致性本質(zhì)上沒有直接聯(lián)系，而只是通過樣本點的分布信息影響算法的收斂速率。因此，我們提出一種更一般的關(guān)于非同分布抽樣的邊緣分布條件，在此基礎(chǔ)上我們利用積分算子和樣本算子的技巧，適當(dāng)?shù)膶φ`差進(jìn)行分解，證明了非同分布抽樣的最小二乘正則化核網(wǎng)絡(luò)學(xué)習(xí)算法和系

2、數(shù)正則化核網(wǎng)絡(luò)學(xué)習(xí)算法的一致性，得到了回歸學(xué)習(xí)的誤差估計和滿意的學(xué)習(xí)速率。本文的主要內(nèi)容分為如下幾部分:
　　第一章介紹了關(guān)于學(xué)習(xí)理論的基礎(chǔ)知識和基本研究框架。
　　第二章介紹了正則化核網(wǎng)絡(luò)回歸學(xué)習(xí)的研究現(xiàn)狀，主要有再生核Hilbert空間、正則化核回歸學(xué)習(xí)算法、系數(shù)正則化正則化算法等，以及本文研究的主要內(nèi)容以及一些基本定理和引理。
　　第三章介紹了基于非同分布抽樣回歸學(xué)習(xí)算法的一致性分析和研究現(xiàn)狀。
　　本章主

3、要介紹了弱相關(guān)抽樣的回歸學(xué)習(xí)算法以及基于非同分布抽樣條件下的回歸學(xué)習(xí)算法的研究現(xiàn)狀。
　　第一節(jié)主要介紹基于弱相關(guān)抽樣的回歸學(xué)習(xí)。
　　第二節(jié)本節(jié)我們主要介紹非同分布抽樣。當(dāng)抽樣滿足α-強(qiáng)混合條件且α-系數(shù)是多項式遞減的情況，采取樣本算子與積分算子的技巧以及恰當(dāng)?shù)恼`差分解，分析了非同分布抽樣的最小二乘正則化學(xué)習(xí)算法和系數(shù)正則化學(xué)習(xí)算法的一致性，得到了回歸學(xué)習(xí)的誤差估計和滿意的學(xué)習(xí)速率。
　　第四章介紹了分位點回歸學(xué)習(xí)問