关于单隐层向神经网络的插值与逼近.pdfVIP

lIllIIILIIIllllIILIIMllhillLlllILll 4360 Y241 摘 要 人工神经网络在计算科学、数学、工程等领域有广泛的应用，而在应用中，如在模式 识别、系统控制方面，主要是将人工神经网络模型用来逼近多元函数．人工神经网络作为 一种万能逼近器，受到人们的关注，其中最重要和最简单的一种模型就是单隐层前向神 经网络．插值法作为函数逼近的重要方法之一，本文主要研究具有插值性质的单隐层前 向神经网络在不同空间中的稠密性及复杂性，得到一些新的结果，具体阐明如下： 第一章，介绍了单隐层前向神经网络的研究背景，以及研究具有插值性质的单隐层 神经网络的意义和现状，同时给出本文所需要的一些相关概念． 第二章，对某一类具有插值性质的单隐层前向神经网络的激活函数进行了推广，给 出了此时精确插值的神经网络存在的条件，并构造了近似插值网络，估计了两类网络之 间的误差，同时讨论了在多维情况下的近似插值网络． 第三章，在第二章的基础上，讨论了在L’空间中，利用Steklov平均函数，以光滑模 为度量，估计了一类近似插值神经网络逼近P次Lebesgue可积函数的误差． 关键词：单隐层前向神经网络；近似插值；精确插值；误差估计；连续模 Abstract Artificialneural wide in networks(ANNs)haveapplicationscomputationalscience， andSO the ofneu- mathematics，engineeringon．Manyproblemsconcerningapplications ral as and beconvertedintothe networks，suchrecognition pattern systemscontrol，call onesof multi—variantfunctionstheANNs．Asauniversal approximating by approxima- feedforwardneuralnetworkswith hidden tor，ANNs，especially single layer(FNNs)，have drown is of great theone methodsin of attention．Interpolationimportant approximation function．Inthis focusontheexact forthe the paper，we interpolationFNNs，andstudy and ofFNNsinthe density different newresultsareobtained． complexity spaces．Some Thethesisis as specifiedfollowings： In research oftheANNsis