General Framework for Nonlinear Functional Regression with Reproducing Kernel Hilbert Spaces

Hachem Kadri 1 Emmanuel Duflos 1 Manuel Davy 1 Philippe Preux 1 Stephane Canu 2
1 SEQUEL - Sequential Learning
LIFL - Laboratoire d'Informatique Fondamentale de Lille, LAGIS - Laboratoire d'Automatique, Génie Informatique et Signal, Inria Lille - Nord Europe
Abstract : In this paper, we discuss concepts and methods of nonlinear regression for functional data. The focus is on the case where covariates and responses are functions. We present a general framework for modelling functional regression problem in the Reproducing Kernel Hilbert Space (RKHS). Basics concepts of kernel regression analysis in the real case are extended to the domain of functional data analysis. Our main results show how using Hilbert spaces theory to estimate a regression function from observed functional data. This procedure can be thought of as a generalization of scalar-valued nonlinear regression estimate.
Type de document :
Rapport
[Research Report] RR-6908, INRIA. 2009
Liste complète des métadonnées

Littérature citée [12 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/inria-00378381
Contributeur : Hachem Kadri <>
Soumis le : vendredi 24 avril 2009 - 10:48:02
Dernière modification le : lundi 1 octobre 2018 - 09:58:08
Document(s) archivé(s) le : vendredi 12 octobre 2012 - 17:15:48

Fichier

RR-6908.pdf
Accord explicite pour ce dépôt

Identifiants

  • HAL Id : inria-00378381, version 1

Citation

Hachem Kadri, Emmanuel Duflos, Manuel Davy, Philippe Preux, Stephane Canu. General Framework for Nonlinear Functional Regression with Reproducing Kernel Hilbert Spaces. [Research Report] RR-6908, INRIA. 2009. 〈inria-00378381〉

Partager

Métriques

Consultations de la notice

464

Téléchargements de fichiers

790