Buchumschlag

On the generalization of Tanimoto-type kernels to real valued functions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Szedmak, Sandor, Bach, Eric
Format:	Preprint
Veröffentlicht:	2020
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Fast and explainable clustering in the Manhattan and Tanimoto distance
von: Güttel, Stefan, et al.
Veröffentlicht: (2026)

Multi-Objective Bayesian Optimization with Independent Tanimoto Kernel Gaussian Processes for Diverse Pareto Front Exploration
von: Yong, Anabel
Veröffentlicht: (2025)

Physics-informed kernel learning
von: Doumèche, Nathan, et al.
Veröffentlicht: (2024)

Rational kernel-based interpolation for complex-valued frequency response functions
von: Bect, Julien, et al.
Veröffentlicht: (2023)

Learning functions, operators and dynamical systems with kernels
von: Rosasco, Lorenzo
Veröffentlicht: (2025)

Fast kernel methods: Sobolev, physics-informed, and additive models
von: Doumèche, Nathan, et al.
Veröffentlicht: (2025)

Nonlinear functional regression by functional deep neural network with kernel embedding
von: Shi, Zhongjie, et al.
Veröffentlicht: (2024)

Feature maps for the Laplacian kernel and its generalizations
von: Ahir, Sudhendu, et al.
Veröffentlicht: (2025)

A general technique for approximating high-dimensional empirical kernel matrices
von: Kaushik, Chiraag, et al.
Veröffentlicht: (2025)

Gaussian kernel expansion with basis functions uniformly bounded in $\mathcal{L}_{\infty}$
von: Bisiacco, Mauro, et al.
Veröffentlicht: (2024)

Statistical post-processing of visibility ensemble forecasts
von: Baran, Sándor, et al.
Veröffentlicht: (2023)

A two-step machine learning approach to statistical post-processing of weather forecasts for power generation
von: Baran, Ágnes, et al.
Veröffentlicht: (2022)

Enhancing multivariate post-processed visibility predictions utilizing CAMS forecasts
von: Lakatos, Mária, et al.
Veröffentlicht: (2024)

When does compositional structure yield compositional generalization? A kernel theory
von: Lippl, Samuel, et al.
Veröffentlicht: (2024)

Mitigating exponential concentration in covariant quantum kernels for subspace and real-world data
von: Agliardi, Gabriele, et al.
Veröffentlicht: (2024)

Using Constraints to Discover Sparse and Alternative Subgroup Descriptions
von: Bach, Jakob
Veröffentlicht: (2024)

Finding Optimal Diverse Feature Sets with Alternative Feature Selection
von: Bach, Jakob
Veröffentlicht: (2023)

On the similarity of bandwidth-tuned quantum kernels and classical kernels
von: Flórez-Ablan, Roberto, et al.
Veröffentlicht: (2025)

Lipschitz bounds for integral kernels
von: Reverdi, Justin, et al.
Veröffentlicht: (2026)

Reservoir kernels and Volterra series
von: Gonon, Lukas, et al.
Veröffentlicht: (2022)

Iteratively reweighted kernel machines efficiently learn sparse functions
von: Zhu, Libin, et al.
Veröffentlicht: (2025)

Deep graph kernel point processes
von: Dong, Zheng, et al.
Veröffentlicht: (2023)

Sobolev norm inconsistency of kernel interpolation
von: Yang, Yunfei
Veröffentlicht: (2025)

The kernel of graph indices for vector search
von: Tepper, Mariano, et al.
Veröffentlicht: (2025)

Leveraging tensor kernels to reduce objective function mismatch in deep clustering
von: Trosten, Daniel J., et al.
Veröffentlicht: (2020)

A reproducible comparative study of categorical kernels for Gaussian process regression, with new clustering-based nested kernels
von: Perez, Raphaël Carpintero, et al.
Veröffentlicht: (2025)

Application of quantum machine learning using quantum kernel algorithms on multiclass neuron M type classification
von: Vasques, Xavier, et al.
Veröffentlicht: (2025)

Predicting building types and functions at transnational scale
von: Fill, Jonas, et al.
Veröffentlicht: (2024)

A generalized neural tangent kernel for surrogate gradient learning
von: Eilers, Luke, et al.
Veröffentlicht: (2024)

Shared active subspace for multivariate vector-valued functions
von: Musayeva, Khadija, et al.
Veröffentlicht: (2024)

Rough kernel hedging
von: Cirone, Nicola Muca, et al.
Veröffentlicht: (2025)

Supplementary information for Tanimoto (2025)
von: Tanimoto, Toshiro
Veröffentlicht: (2025)

Efficient pooling of predictions via kernel embeddings
von: Allen, Sam, et al.
Veröffentlicht: (2024)

Uniform convergence for Gaussian kernel ridge regression
von: Dommel, Paul, et al.
Veröffentlicht: (2025)

Intrinsic effective sample size for manifold-valued Markov chain Monte Carlo via kernel discrepancy
von: You, Kisung
Veröffentlicht: (2026)

On the Effectiveness of the z-Transform Method in Quadratic Optimization
von: Bach, Francis
Veröffentlicht: (2025)

A Convex Loss Function for Set Prediction with Optimal Trade-offs Between Size and Conditional Coverage
von: Bach, Francis
Veröffentlicht: (2025)

Degeneration of kernel regression with Matern kernels into low-order polynomial regression in high dimension
von: Manzhos, Sergei, et al.
Veröffentlicht: (2023)

Enhanced Feature Learning via Regularisation: Integrating Neural Networks and Kernel Methods
von: Follain, Bertille, et al.
Veröffentlicht: (2024)

Sampling Binary Data by Denoising through Score Functions
von: Bach, Francis, et al.
Veröffentlicht: (2025)