|
|||||
|
|
| 单隐层神经网络的Lp同时逼近 | |
| 引用本文： | 曹飞龙,李有梅,徐宗本. 单隐层神经网络的Lp同时逼近[J]. 软件学报, 2003, 14(11) |
| 作者姓名： | 曹飞龙 李有梅 徐宗本 |
| 作者单位： | 1. 绍兴文理学院,数理信息学院,浙江,绍兴,312000;西安交通大学,理学院信息与系统科学研究所,陕西,西安,710049 2. 西安交通大学,理学院信息与系统科学研究所,陕西,西安,710049;山西大学,计算机系,山西,太原,030006 3. 西安交通大学,理学院信息与系统科学研究所,陕西,西安,710049 |
| 基金项目： | 国家自然科学基金，教育部科学技术研究项目，宁夏高等学校科研项目 |
| 摘 要： | 用构造性的方法证明对任何定义在多维欧氏空间紧集上的勒贝格可积函数以及它的导数可以用一个单隐层的神经网络同时逼近.这个方法自然地得到了网络的隐层设计和收敛速度的估计,所得到的结果描述了网络收敛速度与隐层神经元个数之间的关系,同时也推广了已有的关于一致度量下的稠密性结果. |
| 关 键 词： | 神经网络 同时逼近 隐层设计 收敛速度 勒贝格尺度 |
Lp Simultaneous Approximation by Neural Networks with One Hidden Layer |
|
| Abstract: | It is shown in this paper by a constructive method that for any Lebesgue integrable functions defined on a compact set in a multidimensional Euclidian space, the function and its derivatives can be simultaneously approximated by a neural network with one hidden layer. This approach naturally yields the design of the hidden layer and the convergence rate. The obtained results describe the relationship between the rate of convergence of networks and the numbers of units of the hidden layer, and generalize some known density results in uniform measure. |
| Keywords: | neural network simultaneous approximation hidden layer design rate of convergence Lebesgue measure |
| 本文献已被 万方数据 等数据库收录！ | |