球面神经网络的构造与逼近

研究球面神经网络的构造与逼近问题.利用球面广义的de la Vallee Poussin平均、球面求积公式及改进的单变量Cardaliaguet-Euvrard神经网络算子,构造具logistic激活函数的单隐层前向网络,并给出了Jackson型误差估计.     

MULTIVARIATE WEIGHTED BERNSTEIN-TYPE INEQUALITY AND ITS APPLICATIONS

Bernstein inequality played an important role in approximation theory and Fourier analysis.This article first introduces a general system of functions and the socalled multivariate weighted Bernstein,N...     

距离空间中的神经网络插值与逼近

已有的关于插值神经网络的研究大多是在欧氏空间中进行的,但实际应用中的许多问题往往需要用非欧氏尺度进行度量.本文研究一般距离空间中的神经网络插值与逼近问题,即先在距离空间中构造新的插值网络,然后在此基础上构造近似插值网络,最后研究近似插值网络对连续泛函的逼近.     

多元Stancu多项式与连续模

本文研究单纯形上多元Stancu多项式与连续模之间的关系,证明了Stancu多项式具有保持连续模的性质,推广了一元Bernstein多项式的相应结果.同时,利用多元函数的Ditzian-Totik连续模估计Stancu多项式逼近多元连续函数速度的上界和下界,得到一个使得逼近速度为O(n-a)(0相似文献   

分形插值函数的矩量及扰动误差估计

研究分形插值函数的矩量积分问题.对于一类分形插值函数,给出了它在各阶区间上的(p,q)阶矩量积分的计算公式.此外,考虑含有扰动项的迭代函数系所产生的分形插值函数的矩量,讨论了扰动项对于矩量的影响,给出扰动前后矩量的误差估计式.     

多元Stancu算子的Boolean和迭代

定义单纯形上高维Stancu算子的Boolean和迭代算子并且研究它逼近连续函数的正定理、逆定理与饱和定理，得到了较高的逼近阶．     

压缩回归学习算法的泛化界

研究了压缩最小平方回归学习算法的泛化性问题.利用随机投影、覆盖数等理论以及概率不等式得到了该学习算法的泛化误差上界.所获结果表明:压缩学习虽以增大逼近误差的方式降低样本误差,但其增量是可控的.此外,通过压缩学习,在一定程度上克服了学习过程中所出现的过拟合现象.     

多元Bernstein算子的导数与函数的光滑性

利用一个新的光滑性度量刻画多元Bernstein算子方向导数的特征,建立Bernstein算子的导数与逼近函数光滑性之间的等价关系。同时,一个关于一元Bernstein算子的相应结果被推广到多元情形。     

距离空间中插值神经网络的误差估计

研究距离空间中的神经网络插值与逼近问题.首先引进一类广义的激活函数,用比较简洁的方法讨论距离空间中插值神经网络的存在性,然后给出插值神经网络逼近连续函数的误差估计.     

逼近已知函数微商的广义Lanczos算法

给出逼近已知函数微商的广义Lanczos 算法, 构造了一列逼近算子$D_{h}^{n}$以提高稳定近似解的收敛速率. 当$n=2$时, 逼近精度达到$O(\delta^{6 \over 7})$, 而对一般的自然数$n$逼近精度为$O(\delta^{\frac{2n+2}{2n+3}})$, 这里$\delta$是近似函数的误差界.