Obtuviste algunos datos de entrada, obtuviste tu Kernel, en palabras simples, una ecuación que trata con la entrada que forma una matriz normalizada de salida a través de una extracción de características, algo así como encontrar una raíz de ecuación, pero un proceso más complicado. Cada núcleo es específico de la situación, bueno para tareas limitadas designadas para, e incapaz de entrada no iniciada. Pero Universal kernel usa características universales para manejar la entrada, así que trabaje en cualquiera de sus datos de entrada. Encuentre algunos trabajos sobre esto en say
http://www.google.by/search?q=un…
Ejemplo: tienes un kernel que analiza la semántica de algunos datos de texto, da una salida formalizada. Luego da una entrada de una videostream..y falla. Pero el núcleo universal no se limitará a esto, formalizará, descompondrá analíticamente y sintetizará la salida, sin importar el tipo de entrada dada. Eso es universal llamado
¿Qué es un núcleo universal en el contexto del aprendizaje automático?
Related Content
¿En qué se centran los principales competidores de Kaggle? ¿Qué les ayudó a hacerlo mejor que otros?
¿Puedo seguir siendo un desarrollador de aprendizaje automático si tengo miedo a las matemáticas?
More Interesting
¿Qué es la optimización submodular?
¿Puedo aprender el aprendizaje automático sin conocer álgebra lineal, estadísticas y probabilidad?
¿Cómo impacta la alta dimensionalidad en la efectividad del modelo?
¿Qué debe saber todo programador competitivo (Topcoder) sobre los concursos de Kaggle y ML?
¿Qué tan buenos antecedentes en ML ofrece el curso Coursera Machine Learning a alguien?
Cómo crear una representación jerárquica de un conjunto de objetos usando una red neuronal
¿El análisis de sentimientos basado en léxico se considera un método no supervisado?