Эта статья является препринтом и не была отрецензирована.
О результатах, изложенных в препринтах, не следует сообщать в СМИ как о проверенной информации.
1. Барцев С. И., Охонин В. А. Адаптивные сети обработки информации. Красноярск : Ин-т физики СО АН СССР, 1986. Препринт N 59Б. — 20 с.
2. Бахвалов Ю. Н. 2025. Решение регрессионной задачи машинного обучения на основе теории случайных функций. PREPRINTS.RU. https://doi.org/10.24108/preprints-3113020
3. Бахвалов Ю. Н. 2025. Пакеты полигармонических сплайнов, их объединение, эффективные процедуры вычисления и дифференцирования. PREPRINTS.RU. https://doi.org/10.24108/preprints-3113111
4. Beatson, R. K., & Greengard, L. (1997). A short course on fast multipole methods. In Wavelets, Multilevel Methods and Elliptic PDEs (pp. 1–37). Oxford University Press.
5. Bookstein, F. L. (June 1989). "Principal warps: thin plate splines and the decomposition of deformations". IEEE Transactions on Pattern Analysis and Machine Intelligence. 11 (6): 567–585. doi:10.1109/34.24792
6. Buhmann, M. D. (2003). Radial Basis Functions: Theory and Implementations. Cambridge University Press.
7. Damianou, A., & Lawrence, N. (2013). Deep Gaussian Processes. In Proceedings of the Sixteenth International Conference on Artificial Intelligence and Statistics (AISTATS), 207–215.
8. Dennis, J. E., & Schnabel, R. B. (1996). Numerical Methods for Unconstrained Optimization and Nonlinear Equations. SIAM.
9. Duchon, J. (1977). Splines minimizing rotation-invariant semi-norms in Sobolev spaces. In Constructive Theory of Functions of Several Variables (pp. 85–100). Springer.
10. Harder R.L. and Desmarais R.N.: Interpolation using surface splines. Journal of Aircraft, 1972, Issue 2, pp. 189−191
11. LeCun, Y., Bottou, L., Bengio, Y., & Haffner, P. (1998). Gradient-based learning applied to document recognition. Proceedings of the IEEE, 86(11), 2278-2324. DOI:10.1109/5.726791
12. Пугачев В.С., Теория случайных функций и её применение к задачам автоматического управления. Изд. 2-ое, перераб. и допол. — М.: Физматлит, 1960.
13. Rumelhart D.E., Hinton G.E., Williams R.J., Learning Internal Representations by Error Propagation. In: Parallel Distributed Processing, vol. 1, pp. 318—362. Cambridge, MA, MIT Press. 1986
14. Тихонов А. Н., Арсенин В. Я. Методы решения некорректных задач. — 3-е изд., испр. — М.: Наука, 1986. — 288 с.
15. Williams, C. K. I., & Seeger, M. (2001). Using the Nyström method to speed up kernel machines. In Advances in Neural Information Processing Systems 13 (NIPS), 682–688.
16. Wilson, A. G., Hu, Z., Salakhutdinov, R., & Xing, E. P. (2016). Deep Kernel Learning. In Proceedings of the 19th International Conference on Artificial Intelligence and Statistics (AISTATS), 370–378
