一类具有界混合偏导数函数类的非线性逼近.pdfVIP

详细中文摘要 随着科学技术的突飞猛进，计算机已经渗透到社会生活和科学技术的 各个领域，成为主要的计算工具，计算机所能使用的计算资源是有限的. 因此，在解决间题的众多算法中寻求最小计算成本算法的重要性就突现 出来，这就是连续问题计算复杂性 (又称为信息基复杂性，以下简称计算 复杂性)所要解决的问题.求解问题的计算复杂性指的是在给定误差范围 内，在利用其部分信息对待求解问题进行求解的众多算法中寻求对资源， 如时间，计算机内存， “消耗”最小的算法.换言之，计算复杂性就是寻 求最经济的算法，这种最经济的算法称为最优算法.这里的 “信息”指的 是在求解间题时所能获得的有关该问题的已知条件，通常这种信息只是待 求解间题的一部分.尤其在科学技术和工程领域 (如经济，物理，人工智 能 模式识别，信号处理和控制论)的大多数间题，这种信息都有Partial, Noisy和Priced的特点. 计算复杂性理论涉及众多学科领域.值得指出的是，计算复杂性的问 题与函数逼近论有着密切的联系，它不仅需要运用逼近论中经典的方法技 巧(如A.N.Kolmogorov、S.M.Nikolskii[15]、Pinkus[16]等人关于部分和逼近 及宽度理论的成果、N项逼近、测度分布下的宽度、小波分析!2,28]等)， 还要综合运用调和分析，数值分析，计算数学，代数数论，随机分析等领 域内一些新的思想与方法·Micchelli,Traub[23,24,25]阐明了宽度理论与 计算复杂性的联系.Traub、Wozniakoskwii、Wasikowski[24,叫等关于连 续问题的基于信息的复杂性的工作及Suldin、Larkin[8,21,22]等关于测度 分布下的函数逼近间题的工作，阐明了宽度理论与最优恢复理论的重要联 系.基于此，Voronin、Temirgaliev[20]、Mathe[13]、Maiorov[11,12}建立了 平均宽度与概率宽度的基本概念，将计算averagecasesetting和probability setting下的计算复杂性及最优误差阶的问题分别转化为计算相应函数类的 平均宽度和概率宽度. 经典宽度，平均宽度以及概率宽度，大多数研究的是利用线性信息逼 近的问题，这类模型相对简单，算法复杂度不大，计算成本较小，然而在 现实生活的实际问题中，信息更多的是以非线性的形式呈现的，用线性信 息去逼近非线性的信息就会产生逼近阶较低的问题，因此基于非线性信息 的非线性逼近就成为一种必要，当然在某些特殊的情形下这两类逼近具有 相同的逼近效果，但大多数时候由于利用非线性信息所能构造的的算法增 多，所以逼近的精确阶也相应地得到提高.在此背景之下，本文将继续前 人的工作，对一类具有有界混合偏导数的函数类的基于非线性信息的非线 性宽度进行估计，并得出其非线性宽度阶的精确估计.下面我们首先从伪 维数的定义引入非线性宽度的概念. 对实数 ，‘sgn(t)表示符号函数，当t0时，其值为1，其它情形为一1. 对向量xERd,sgn(x):一(sgn(XI),sgn(xd))如果M是SZ上的一个实值函 数集合，那么M的伪维数定义为满足下面条件的最大整数Y1:存在SZ中的 点a,...,a，以及b=(bt,...,bn)ER使得集合 {sgn(y):，=(f(ai)+b,, ，f(a)+bn),fEM} 的基数为20.如果不存在这样的最大的。，那么M的伪维数是正无穷.我 们将M的伪维数记为dimp(1b1) 一个实值f1数集的伪维数的概念最先是由Pollard[17]提出的，之后， 作为伪维数的拓广，Haussle:引入了Vapnik-Chervonekis维数.伪维数和 Vapnik-Chervoneki。维数是一个函数类的容量(capacity)的度量.它们在模式 识别、消退估计、经验过程、学习理论中都有重要的应用. 设x是赋有拟范数”·11的线性空间，W和M是x的子集， E(W,M,X) elf一0) fsEuWp9GrEnMr 给出了由M对W逼近的最坏误差.如果M是线性子集，就得到经典的基 于线,哇信息逼近的情形.而基于非线性信息的非线性逼近指的是集合M 是非线性子集时的情形.设从是X的一个子集族，我们考虑的是由M 中的集合M对W逼近的最坏误差，即考虑