学习理论中的MLP方法

• 作者: 任静静 徐艳艳 陈广贵
• 来源期刊: 四川师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 学习理论 Lp框架 p-样本误差 范数条件 Lτ条件
• 年，卷（期）: 2013,（2）
• 所属期刊栏目: 基础理论
• 页码范围: 247-251
• 页数: 5页
• 分类号: TE353
• 字数: 3729字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-8395.2013.02.020

摘要

移动最小二乘(MLS)法是数据插值、数值分析和统计等学科领域的一种逼近方法.H.Y.Wang,D.H.Xiang,D.X.Zhou(J Approx Theory,2010,162:599-614.)用MLS方法研究了L2框架下学习理论中的回归问题,从而得到了样本误差、逼近误差的更优结果.但是很多函数类在L2框架下很难研究,于是本文用移动最小p乘(MLP)法将L2框架下学习理论中回归问题的一些理论推广到Lp(1≤p≤∞)框架下,从而为研究Lp框架下学习算法的泛化性能提供了理论基础.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐艳艳	西华大学数学与计算机学院	18	10	2.0	2.0
2	任静静	西华大学数学与计算机学院	2	4	2.0	2.0
3	陈广贵	西华大学数学与计算机学院	21	21	3.0	3.0