Fundamentos de Aprendizado de Máquina: Análise Funcional voltada a Métodos de Kernel

dc.contributorRoyer, Danilo
dc.contributorRoisenberg, Mauro
dc.contributorUniversidade Federal de Santa Catarina
dc.creatorFröhlich, Alek
dc.date2022-03-23T23:30:19Z
dc.date2022-03-23T23:30:19Z
dc.date2022-03-03
dc.date.accessioned2023-09-02T12:31:19Z
dc.date.available2023-09-02T12:31:19Z
dc.identifierhttps://repositorio.ufsc.br/handle/123456789/232655
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/8597629
dc.descriptionTCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Ciências da Computação.
dc.descriptionO uso de kernels é um dos principais paradigmas de Aprendizado de Máquina. Métodos de Kernel estão naturalmente associado a espaços de Hilbert de Reprodução (EHR) e Análise Funcional por meio do Teorema de Moore-Aronszajn. Neste trabalho, apresentamos os elementos iniciais da Análise Funcional e então os usamos para investigar a natureza desses espaços de funções. Ao final, abordamos um método de kernel e provamos sua corretude.
dc.format108 f.
dc.formatapplication/pdf
dc.languagept_BR
dc.publisherFlorianópolis, SC.
dc.rightsOpen Access
dc.subjectEspaços de Hilbert de Reprodução
dc.subjectAnálise Funcional
dc.subjectAprendizado de Máquina
dc.subjectMétodos de Kernel
dc.titleFundamentos de Aprendizado de Máquina: Análise Funcional voltada a Métodos de Kernel
dc.typeTCCgrad


Este ítem pertenece a la siguiente institución