Kern-Algorithmen zum Lernen in Feature-Räumen

点击翻译按钮获取中文摘要

Das Projekt befaßt sich mit der Weiterentwicklung von Kernmethoden in Feature-Räumen. Diese Methoden umfassen die sogenannten Support-Vektor-Maschinen und Kernel Principal Component Analysis Ihnen ist gemein, daß sie Kernfunktionen verwenden, um Skalarprodukte in nichtlinear mit den Inputdaten zusammenhängenden Feature-Räumen zu berechnen. Diese Methodik ist auf alle Algorithmen anwendbar, die sich in Skalarprodukten formulieren lassen. Dementsprechend setzt das Projekt an zwei Stellen an: 1. Weiterentwicklung und Anwendung von (a) Kern-PCA, und (b) SV-Maschinen.... 2. Es sollen andere Kern-Algorithmen entwickelt werden. Diesbezüglich ist für uns vor allem die Verwendung von Kernfunktionen zur Konstruktion nichtlinearer Methoden zur Independent Component Analysis von Interesse.