Ich versuche mehr über die Kernel-Maschinentheorie zu lernen und habe festgestellt, dass ich viel Hintergrundmathematik lernen muss. Deshalb suche ich nach guten Ressourcen dafür. Insbesondere: Ich habe das Buch Learning with Kernels von Schölkopf und Smola und sie beginnen, Fourier-Transformationen, Green-Funktionen, Operatoren (z. B. habe ich noch nie von einem Pseudo-Differential-Operator gehört) und andere solche Dinge zu diskutieren. Ich habe keine Erfahrung damit, aber ich möchte es wirklich verstehen. Obwohl ich sicherlich einzelne Beispiele googeln kann, würde ich eine umfassendere Behandlung wirklich vorziehen.
Es tut mir leid, wenn dies zu vage oder spezifisch ist, aber ich habe wirklich Schwierigkeiten herauszufinden, wie ich systematisch mit dem Erlernen der Hintergrundmathematik beginnen kann, damit ich bequem mit Kerneln und der RKHS-Theorie arbeiten kann. Vielen Dank.
Update: Ich habe meinen Hintergrund herausgehalten, weil ich befürchtet hatte, dass dies zu spezifisch für mich werden könnte, aber weil gefragt wurde: Ich habe einen Kurs in realer Analyse und einen Kurs in moderner Algebra sowie eine Standard-Linearalgebra belegt und multivariater Kalkülkurs. Ich habe keine Differentialgleichungen studiert. Ich habe auch eine Reihe von Kursen in mathematischer Statistik belegt (einschließlich einiger messungstheoretischer Kurse, obwohl ich nie offiziell Maßtheorie studiert habe). Ich bin mit dem engen Bereich der Statistiken, die ich studiert habe, zufrieden (z. B. LLN, CLT, Exponentialfamilien, GLMs, gemischte Modelle, vollständige und ausreichende Statistiken, ...), aber ich habe nicht viel reine Mathematik Hintergrund, den ich fühle, fängt an, mich zu verletzen.