Learning with Fractional Orthogonal Kernel Classifiers in Support Vector Machines

Il libro "Learning with Fractional Orthogonal Kernel Classifiers in Support Vector Machines" offre un'analisi completa degli algoritmi dei vettori di supporto da diverse prospettive. Tratta le basi matematiche e le caratteristiche delle funzioni kernel classiche come Chebyshev, Legendre, Gegenbauer e Jacobi. Un tema centrale sono le funzioni kernel ortogonali, le cui forme frazionarie vengono introdotte in diversi capitoli. Per facilitare l'applicazione di queste funzioni kernel, viene fornito un tutorial su un pacchetto Python chiamato ORSVM. Inoltre, vengono presentate diverse applicazioni degli algoritmi dei vettori di supporto, utilizzati non solo per la classificazione, ma anche per risolvere equazioni differenziali ordinarie, parziali, integrali e frazionarie. Considerando la crescente domanda di applicazioni in tempo reale e Big Data, viene trattata anche la parallelizzazione degli algoritmi dei vettori di supporto utilizzando l'architettura di dispositivo unificato per il calcolo (CUDA). Il libro è rivolto a ricercatori nel campo dell'apprendimento automatico e dei calcoli scientifici, offrendo preziose intuizioni sull'uso delle funzioni kernel ortogonali frazionarie.