报告主题：非正定及多层核学习方法
报 告 人：黄晓霖 副教授（上海交通大学 自动化系，图像处理与模式识别研究所）
报告时间：2019年1月11日（周五）10：00
报告地点：校本部G507
邀 请 人：何卓衡
报告摘要： 核学习方法在很多机器学习任务中得到了成功的应用，但现在常用的核的结构过于简单。在大数据和计算能力的支持下，有可能使用更加灵活的核。增强核的灵活性需要突破传统的核的半正定性要求，研究非正定核学习方法，进而研究多层的核方法。为此，本文提出了非正定最小二乘方法、非正定出成分分析方法并尝试了两层核学习方法，在特征空间理论进行了解释，给出了相应的学习算法。这些尝试将最小二乘和主成分分析扩展到非正定核空间，为核方法带来了很大的灵活性，具有广泛的应用前景。
欢迎教师、学生参加！