Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
Zur Ablage hinzufügen
  Lokale TagsFreigabegeschichteDetailsÜbersicht

Freigegeben
Bericht

Kernel Hebbian Algorithm for Iterative Kernel Principal Component Analysis

MPG-Autoren
/persons/resource/persons84014

Kim,  KI
Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society;
Max Planck Institute for Biological Cybernetics, Max Planck Society;

/persons/resource/persons83919

Franz,  M
Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society;
Max Planck Institute for Biological Cybernetics, Max Planck Society;

/persons/resource/persons84193

Schölkopf,  B
Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society;
Max Planck Institute for Biological Cybernetics, Max Planck Society;

Externe Ressourcen
Es sind keine externen Ressourcen hinterlegt
Volltexte (beschränkter Zugriff)
Für Ihren IP-Bereich sind aktuell keine Volltexte freigegeben.
Volltexte (frei zugänglich)

MPIK-TR-109.pdf
(Verlagsversion), 784KB

Ergänzendes Material (frei zugänglich)
Es sind keine frei zugänglichen Ergänzenden Materialien verfügbar
Zitation

Kim, K., Franz, M., & Schölkopf, B.(2003). Kernel Hebbian Algorithm for Iterative Kernel Principal Component Analysis (109). Tübingen, Germany: Max Planck Institute for Biological Cybernetics.


Zitierlink: https://hdl.handle.net/11858/00-001M-0000-0013-DC4F-3
Zusammenfassung
A new method for performing a kernel principal component analysis is proposed. By kernelizing the generalized Hebbian algorithm, one can
iteratively estimate the principal components in a reproducing
kernel Hilbert space with only linear order memory complexity. The
derivation of the method, a convergence proof, and preliminary
applications in image hyperresolution are presented. In addition,
we discuss the extension of the method to the online learning of
kernel principal components.