Эффективное переобучение «моделей» в рамках метода многомерной интерполяции

Исследуется метод машинного обучения, основанный на теории случайных функций. Показано, что для данного метода существует способ быстрого переобучения «модели» при добавлении новых данных к существующим, при этом вычислительная сложность построения обновленной «модели» уменьшается с $O(m^3)$ до $O(m^2)$. Под «моделью» понимается построенная по обучающим данным интерполирующая или аппроксимирующая функция. Рассматриваемый подход может иметь самостоятельную ценность в области линейной алгебры в применении к хорошо обусловленным линейным системам с симметричной матрицей.