Loading [MathJax]/jax/element/mml/optable/GeneralPunctuation.js

04 2020 档案

Kernel Method, Kernel Mean Embedding 相关资源整理

摘要：1. 几个重要的函数空间，Hilbert Spaces，L_p Spaces, Holder Spaces, Mercer Kernels 和 Reproducing Kernel Hilbert Spaces。参考文档： "Function Spaces" 。该文档对理解RHKS比较抽象。 2. 阅读全文

posted @ 2020-04-01 16:54 望天下阅读(741) 评论(0) 推荐(0) 编辑

公告

昵称：望天下
园龄： 7年2个月
粉丝： 12
关注： 0

+加关注

<

2025年4月

>

日

一

二

三

四

五

六

30

31

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

1

2

3

4

5

6

7

8

9

10

随笔分类

随笔档案

阅读排行榜

评论排行榜

最新评论

1. Re:领域自适应（Domain Adaptation）之领域不变特征适配（一）
【2023-11-03】15:38，简单、易懂
前行者，希望你如今事业顺遂
--埋头苦干的科研人
2. Re:领域自适应（Domain Adaptation）之领域不变特征适配（一）
楼主什么时候更新下一篇？
--六级不过550不改名
3. Re:浅谈Maximum Mean Discrepancy (MMD)
@东海钓鳌客 KL的公式是， \(KL(Q||P) = \int_x Q(x)\log \frac{Q}{P} = \int_x Q(x)\log Q(x) - \int_x Q(x)\log P(x...
--望天下
4. Re:领域自适应（Domain Adaptation）之领域不变特征适配（二）
@阿佼兮下界是0。 $MMD(P,Q)=\|\mu_P - \mu_Q\| > =0$ 。对于上界，若 $|\mu_P| = |\mu_Q|=1$ ，则$MMD(P,Q)= \sqrt{|\mu_P|...
--望天下
5. Re:领域自适应（Domain Adaptation）之领域不变特征适配（二）
你好，我想问下，如果使用MMD用作生成数据和真实数据的评估指标的话，MMD的上下界是多少呢？
--阿佼兮

望天下

04 2020 档案

公告

搜索

常用链接

我的标签

随笔分类

随笔档案

阅读排行榜

评论排行榜

推荐排行榜

最新评论