Charla: Precondicionadores robustos y efectivos para métodos de regresión por kerneles

El martes 19 de marzo a las 14 h en el salón 4 de la Facultad de Ciencias Económicas y de Administración tendrá lugar la charla del IESTA titulada Precondicionadores robustos y efectivos para métodos de regresión por kerneles. Estará a cargo de Mateo Diaz (Johns Hopkins Univ. Department of Applied Mathematics and Statistics). 

Resumen:
Introducimos dos técnicas de precondicionamiento aleatorio para resolver de forma robusta problemas de regresión no lineal con kernel ridge (KRR) asumiendo un número de datos en rango medio ($10^4 \leq N \leq 10^7$). El primer método, el precondicionamiento RPCholesky, es capaz de resolver con precisión el problema KRR de datos completos en $O(N^2)$ operaciones aritméticas, suponiendo un decaimiento suficientemente rápido de los valores propios de la matriz del kernel. El segundo método, el precondicionamiento KRILL, ofrece una solución precisa a una versión restringida del problema KRR que involucra $k\ll N$ centros de datos seleccionados llevando a un costo de $O((N + k^2) k \log k)$ operaciones. Los métodos propuestos resuelven eficientemente una amplia gama de problemas KRR y superan los modos de fallo de los anteriores precondicionadores KRR, haciéndolos ideales para aplicaciones prácticas.