新论文为 signature kernel 岭回归给出有限样本与一致性保证

chaumian · x · 2026-11-16

arXiv 新论文(Christian Bayer、Jakob Kellermann)研究 signature kernel 岭回归的统计性质。路径签名是学习路径空间泛函的标准工具,已有普遍逼近结果保证其表达能力,但未回答统计问题:识别合适的签名泛函究竟需要多少数据。论文在核岭回归框架下,目标为条件期望 E[Y|X],在不同矩假设下给出有限样本保证与一致性结果,并辅以数值实验说明理论。涉及 rough paths、泛函数据分析与核方法。

原文链接 →

「研究」频道最新

更多「研究」频道 AI 资讯 →