演讲人:

讲座时间:

讲座地点:

讲座内容:

课程名称：Learning with Kernels（基于可再生核的机器学习理论）

主讲人： 张海樟（Haizhang Zhang）博士

上课时间：7月5日—7月9日，7月12日—7月14日，上午8:00—11:30

上课地点：第三教学楼3306教室

授课对象：ダファベット 入金不要、统计学院的研究生、高年级本科生（考核合格承认学分 <选修课2学分> ）

课程描述：The ultimate goal of machine learning is to understand the mechanism human brains work on certain issues such as language acquisition, speech recognition, and handwriting recognition. The task can be mathematically formulated as approximating an unknown function from its finite sampling. The course introduces recent progress on machine learning from the approach of measuring similarity by reproducing kernels. Topics to be covered include: theory of reproducing kernels and reproducing kernel Hilbert spaces, an introduction to statistical learning theory, support vector machines and regularization networks, representer theorems and universal kernels, refinable kernels and refinement of reproducing kernels, optimal learning from sampling, and reproducing kernel Banach spaces if time allows. Applications of machine learning to economy will be discussed as much as I can. References to economical applications will be provided

机器学习的核心目的是理解人类在语言获取、语音和手写识别等领域的学习机制，从而设计合适的算法以让计算机能够模拟这些学习行为。在数学上，这可以描述为一个从有限采样重构未知函数的问题。此课程介绍基于可再生核的机器学习理论的最近数学进展。具体内容包括：可再生核及可再生核Hilbert空间理论；统计学习理论简介；支持向量机和正则化网络；表现定理和一致逼近核；可细化核及细化核方法；可再生Hilbert空间上基于采样的最佳重构；可再生核Banach空间（如时间足够）。机器学习理论在经济方面的应用及其相关文献将会被尽可能地介绍到。

预备知识：基础的泛函分析（例如，J.B. Conway著"A Course in Functional Analysis"第二版的前三章）和基础的傅立叶分析（例如，C. Gasquet和P. Witomski著"Fourier Analysis and Applications"的第四、五、六章）。这两本参考书均在九章书店有售。

主讲人简介：张海樟，男，1980年出生于福建省惠安县。2003本科毕业于北京师范大学数学系，2006年硕士毕业于中科院数学所，2009博士毕业于Syracuse University数学系，现为University of Michigan博士后，已受聘为中山大学数学与计算科学学院正教授。主要研究领域包括应用与计算调和分析、机器学习理论、非线性时频分析。

欢迎ダファベット 入金不要、统计学院的研究生、高年级本科生及有兴趣的老师参加学习！

研究生报名：请与赵老师联系，信息楼0253，电话82504654,email zhaozb@ruc.edu.cn

本可生报名：请与蔡老师联系，信息楼0249，电话62513066，email: caixiaoyu@ruc.edu.cn

无