我目前正在关注CE Rasmussen 和 CKI Williams的《机器学习的高斯过程》一书，我在他们的第 4 章中遇到了各种内核

我还阅读了内核食谱，它很好地描述了各种可用的基本内核，以及我们如何通过添加、乘法和卷积这些基本内核来创建新内核。

由于我们知道高斯过程中的回归取决于​​内核的选择，所以我想问一下除了以下内核之外是否还有其他基本内核，它们绘制了什么样的函数？

1. 常数：$\sigma _{o}^{2}$

2. 线性核：$k_{\textrm{Lin}}(x, x') = (x - c)(x' - c)$

3. 平方指数核：$k_{\textrm{SE}}(x, x') = \sigma^2\exp\left(-\frac{(x - x')^2}{2\ell^2}\right)$ （7 个子集）

4. 母婴：$\frac{1}{{2}^{\nu -1}\Gamma (\nu )}{\left( \frac{\sqrt{2\nu }}{l}r\right)}^{\nu }{K}_{\nu }\left( \frac{\sqrt{2\nu }}{l}r\right)$

5. 有理二次核：$k_{\textrm{RQ}}(x, x') = \sigma^2 \left( 1 + \frac{(x - x')^2}{2 \alpha \ell^2} \right)^{-\alpha}$ （4 个子集）

6. 指数：$\exp\left( - \frac{r}{l}\right)$ （7 个子集）

7. $\gamma$- 指数：$\exp\left( -{\left(\frac{r}{l}\right)}^{\gamma }\right)$

8. 周期性内核：$k_{\textrm{Per}}(x, x') = \sigma^2\exp\left(-\frac{2\sin^2(\pi|x - x'|/p)}{\ell^2}\right)$

9. 神经网络