Multiple kernel learning is a model to merge multiple kernels by linear combination

资 源 简 介

Multiple kernel learning is a model to merge multiple kernels by linear combination. Mostly solving the models are slow due to explicit computation of kernels. Here， we propose to approximate kernel map function explicitly in finite dimensional space. The

详 情 说 明

在这个文本中，我们描述了多核学习（Multiple kernel learning）的一个模型，它可以通过线性组合来合并多个核。但是，由于核的显式计算，大多数解决方案都很慢。为了解决这个问题，我们提出了一种在有限维空间中显式逼近内核映射函数的方法。然后，我们使用双重坐标下降法来解决SVM。通过将解存储在原始问题中，我们不必显式计算内核。在SVM交替求解的过程中，还采用了一种核权重的群Lasso正则化方法。这是我与Academia Sinica的叶怡仁博士和王教授进行研究项目的一个副产品。

具体而言，在我们的研究中，我们还探讨了多核学习模型的几个方面。例如，我们研究了如何选择不同类型的核函数，并考虑如何自动选择最佳的核函数组合。我们还研究了多核学习模型在处理大规模数据集时的性能，并提出了一种高效的方法来加速计算。此外，我们还研究了多核学习模型在不同应用领域中的应用，例如图像识别和自然语言处理。

总之，我们的研究展示了多核学习模型在机器学习领域中的重要性，并提出了一些改进和扩展。我们希望这些工作能够为未来的研究和实践提供有用的指导和启示。