A Spectral Mixture Representation of Isotropic Kernels to Generalize Random Fourier Features // N. Langrené, X. Warin, P. Gruet

Cet article généralise la méthode des Random Fourier Features (Rahimi & Recht 2007) en proposant une nouvelle représentation spectrale des noyaux isotropes positifs définis. Les auteurs montrent que la distribution spectrale de nombreux noyaux peut être exprimée comme un mélange d’échelles de lois α-stables, ce qui permet un échantillonnage simple et efficace au-delà du noyau gaussien. Cette avancée ouvre la voie à l’utilisation de RFF pour une large classe de noyaux en apprentissage automatique, notamment en SVM, régression à noyaux ou processus gaussiens.