Lehrbücher über die Reproduktion des Kernel-Hilbert-Space-Ansatzes für maschinelles Lernen?

Frage: Kennt jemand Lehrbücher, die (zum ersten Mal) maschinelles Lernen über den Hilbert-Space- Ansatz des reproduzierenden Kernels einführen ? Dh, die eine Funktionsanalyse als Voraussetzung voraussetzen, aber keine Vorkenntnisse des maschinellen Lernens voraussetzen?

Alle Umfrageartikel wären eine knappe Sekunde. Bitte keine Forschungsarbeiten - ich möchte die Theorie zuerst lernen, bevor ich versuche, sie in die Praxis umzusetzen.

Hintergrund: In diesem Semester wird an meiner Universität ein Kurs unterrichtet, der verspricht, Methoden aus der Funktionsanalyse zu verwenden, um maschinelles Lernen einzuführen, insbesondere Hilbert-Räume mit reproduzierenden Kerneln. Das wäre wirklich gut für mich, da ich Funktionsanalyse kenne, kein maschinelles Lernen kenne und zum ersten Mal maschinelles Lernen lernen möchte.

Kursbeschreibung - keine Verweise auf Literatur
Kurs-Homepage - wieder keine Verweise auf Literatur
Kursseite für einen ähnlichen Kurs an einer anderen Universität - alle Referenzen sind Forschungsarbeiten

Ich bin mir jedoch nicht sicher, ob ich den Platz in meinem Stundenplan habe, um diesen Kurs zu belegen, oder ob er mit einem Kurs in Konflikt steht, den ich in diesem Semester belegen muss. Daher möchte ich dieses Fach in Zukunft in meiner Freizeit alleine studieren können, wenn ich diesen Kurs in diesem Semester nicht belegen kann.

Die beste und Standardreferenz wird sein

Aronszajn, Nachman. "Theorie der Reproduktion von Kerneln." Transaktionen der amerikanischen mathematischen Gesellschaft 68.3 (1950): 337-404.

Ich bin mir nicht sicher, wie tief Sie über Funktionsanalysen Bescheid wissen. Verschiedene Ebenen der Funktionsanalyse haben große Unterschiede. Also werde ich sagen, ein anderer Standard ist:

Smola, Alex J. und Bernhard Schölkopf. Lernen mit Kerneln. GMD-Forschungszentrum Informationstechnik, 1998.

Ich bin mir auch nicht sicher über Ihren allgemeinen mathematischen Hintergrund, mehr oder weniger könnten Sie interessiert sein an:

Lafferty, John und Guy Lebanon. "Diffusionskerne auf statistischen Mannigfaltigkeiten." Journal of Machine Learning Research 6. Januar (2005): 129-163.