一类神经网络算子的构造与逼近

• 作者: 常利苹 曹飞龙
• 来源期刊: 中国计量大学学报
• 学科: 工学
• 关键词: 计量 Sigmoid型函数 神经网络算子 逼近 误差
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 信息科学
• 页码范围: 337-342
• 页数: 6页
• 分类号: TP391
• 字数: 2705字
• 语种: 中文
• DOI: 10.3969/j.issn.2096-2835.2019.03.012

摘要

目的:众所周知,人工神经网络具有很好的函数逼近能力.近年来,已有许多作者论证了该逼近的可行性.本文研究一类以双曲正切函数为激活函数的神经网络算子的构造与逼近问题.方法:首先,利用双曲正切函数的解析性质,对其进行适当的平移和组合构造一类钟型函数.然后,以所构造的函数作为激活函数定义一类神经网络算子.结果:估计该类算子逼近连续函数的误差,并建立Jackson型定理.结论:用构建的前向神经网络算子作为逼近工具,估计其对目标函数的逼近误差,并以此揭示网络拓扑结构与网络逼近能力之间的关系.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹飞龙	中国计量大学理学院	62	241	8.0	12.0
2	常利苹	中国计量大学理学院	1	0	0.0	0.0