Se denomina métodos kernel a aquellos algoritmos no lineales que utilizan como funciones base los llamados núcleos de Mercer. Éstos pueden interpretarse como productos escalares en espacios de alta dimensionalidad, donde pueden implementarse estimadores lineales que, desde el punto de vista de los datos de entrada, tienen propiedades lineales.
Estos métodos, pues, se utilizan para extender a versiones no lineales cualquier algoritmo de aprendizaje lineal basado en datos. En particular, se utilizan kernels para llevar a cabo versiones no lineales de las máquinas de vectores soporte.
En esta charla se introducirán los métodos kernel y sus propiedades fundamentales, para después revisar los algoritmos más importantes que usan kernels.
Manel Martínez
Manuel Martínez Ramón (Senior Member, IEEE, 2004) es profesor titular interino
en la Universidad Carlos III de Madrid. Sus áreas de interés comprenden las
aplicaciones de los métodos de aprendizaje máquina en teoría de la señal y
comunicaciones. En este ámbito ha dirigido una tesis doctoral, siendo director
de otras dos en curso y ha sido coautor de veinte artículos en revista
internacional y unas treinta ponencias en congresos. Ha escrito un libro
dedicado a las aplicaciones de las máquinas de vectores soporte a procesado de
arrays (Morgan & Claypool, 2007) y ha coeditado uno dedicado a las aplicaciones
de métodos kernel en señal, imagen y bioingeniería (Idea Group, 2007). Ha
impartido más de veinte asignaturas de grado en departamentos de teoría de la
señal en universidades españolas y estadounidenses. En la actualidad dedica
parte de su tiempo a la investigación en métodos de aprendizaje estadístico
aplicados a resonancia magnética funcional del cerebro humano.