研究人员为机器学习引入了一类新的核函数，特别是用于支持向量机（SVM），该核函数基于离散的$q$-Hermite I多项式。这些q正交核泛化了经典的Hermite多项式，旨在提供比现有方法更好的数值稳定性和计算简便性。在20个基准数据集上的实验表明，这些新核在性能上与RBF等传统核以及其他正交多项式核具有竞争力，预示着连接数学理论与实际应用的核设计方向具有广阔前景。 AI
影响 引入了新颖的核函数，可能提高机器学习任务中SVM的性能和稳定性。
排序理由 该集群包含一篇详细介绍用于机器学习应用的新核的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- discrete q-Hermite I polynomials
- Edmundo J. Huertas Cejudo
- Gegenbauer
- GitHub
- Hermite polynomial
- machine learning
- Mercer's theorem
- q-Orthogonal Kernels
- radial basis function
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
