Resumen

Se presenta un algoritmo codicioso basado en kernel para realizar un aprendizaje disperso eficiente con funciones de base dependientes de los datos. Se obtiene una cota superior del error de generalización basada en la medida de complejidad del espacio de hipótesis con números de cobertura. Un análisis cuidadoso muestra que el error tiene una tasa de decaimiento satisfactoria bajo condiciones leves.

• Materias:Ecuaciones diferenciales Método numérico Soluciones múltiples Campos cuadráticos
• Subjects:Differential equations Numerical method Multiple solutions Quadratic fields
• Palabras claves:Algoritmo; Aprendizaje disperso; Funciones de base dependientes de los datos; Error de generalización; Medida de complejidad; Números de cobertura
• Keywords:Algorithm; Sparse learning; Data-dependent basis functions; Generalization error; Complexity measure; Covering numbers