Szasz型算子的函数类逼近

著名的Szasz-Dnrrmeyer算子的逼近性质已有很多成果,但关于函数类的逼近研究还不多,应用概率论的中心极限定理给出Szasz-Durrmeyer算子的函数类逼近的上下界估计.     

关于Durrmeyer算子的函数类逼近

应用概率论的某些结果讨论了Ｄｕｒｒｍｅｙｅｒ算子的函数类逼近，给出了Ｅ（Ｃω（Ｍ），Ｍｎ）和Ｅ（Ｃ（Ｍ，Ｍ１），Ｍｎ）的上、下界估计．     

一类算子的函数类逼近

定义了Ｆｅｌｌｅｒ算子,该类算子包括Ｂｅｒｎｓｔｅｉｎ,Ｓｚａｓｚ,Ｂａｓｋａｋｏｖ,Ｇａｍｍａ,Ｗｅｒｅｒｓｔｒａｓｓ等算子。应用一些概率方法,研究Ｆｅｌｌｅｒ算子及修正对函数类的逼近,得到了更一般化的结果。     

径向基神经网络的逼近问题

在减弱了对激活函数g的要求的前提下,研究了r(x)=NΣi=0cig(iλ‖x-yi‖Rn)在空间LP(Ω)的逼近问题(这里ci,iλ∈R1,x,yi∈Rn,g为激活函数).     

ABMV中函数的S_β平均逼近

本文讨论了ABMV中函数的S_(?)平均逼近,给出了逼近阶的估计。     

Landau多项式算子与无界函数逼近

利用扩展乘数法构造了Ｌａｕｄａｕ型型多式算子逼近全空间或有界集上无界函数的若干收敛定理，给出了具有一般性的结论，从而推广了已有文献的若干结果。     

Abel—Poisson算子逼近有界变差函数

研究Ａｂｅｌ－Ｐｏｉｓｓｏｎ算子对有界变差函数的点态逼近度，得到了逼近度的量化估计。     

亚纯函数的一类有理逼近算子

对于一类新的有理逼近算子ＰＮ,已推广于任意阶导函数的逼近,且已研究了这类有理逼近算子ＰＮ的逼近度与保解析特性,推导了逼近误差的估计式以及ＰＮｈ（ｚ）的递推关系。将这类逼近算子应用于亚纯函数的有理逼近,得出亚纯函数的一类有理逼近算子,并根据亚纯函数的有关特性及这类逼近算子的保解性,证明了本文给出的逼近算子具有能保留亚纯函数的极性特点（极点及其阶数保持不变）。     

Sigmoid传输函数与三层前馈神经网络的映射能力

对于具有n个隐含单元的三层前馈神经网络,证明了隐含层的Sigmoid传输函数可以把输入层数据的维数提升到n维,这意味着有n个隐神经元的前馈三层神经网络具有把低维空间映射到高维空间的能力。     

模糊神经网络在地质数据分析中的应用

根据石油地质资料的特点，提出了一种应用于地质数据分析的模糊神经网络模型。试验结果表明，用该模型进行地质数据的多变量分析，不用考虑数学模型，神经网络就能以“隐式”表达方式表示出各变量间的关系，对于具有不确定性和模糊性的地质数据，有良好的分析和处理能力，而且精度和速度都比较理想。     

基于神经网络的模糊关系方程解法

借助于神经网络的学习功能，从一个简单的数学神经网络出发，设计出有限集上模糊关系方程解法，可以方便地求出这种方程的最大解和全部极小解。此外，该算法与目前的算法相比更易于编程。     

基于神经网络的模糊控制

从最优化角度出发，用神经网络解决模糊控制系统的规则提取问题，给出了可靠的基于ＢＰ算法的神经网络学习过程。讨论了模糊子集个数的选取与系统复杂性、精确性之间的关系。     

基于神经网络和模糊理论的心功能辅助诊断专家系统

通过对大量心脏病典型病例之超声心动图指标参量进行分析与总结，并结合专家经验，提出了一种对心功能进行全面、定量分级的客观方法，采用将神经网络技术与模糊理论相结合的方法，研制出心功能辅助诊断专家系统。该系统具有在线学习能力、可扩充性和较强的容错能力。临床实验结果正确率达到９０．７％，表明该系统具有较高的实用价值。     

具有模糊联想神经网络的自组织模糊控制器

在分析了几种用神经网络实现的模糊控制器不足的基础上，提出一种用模糊联想记忆神经网络实现的自组织模糊控制器；该控制器由２个模糊联想记忆神经网络分别记忆校正规则表和修正控制规则表，并通过网络权值矩阵的在线修正完成控制规则的实时修正。模糊推理则由网络的自联想功能完成。     

神经网络应用于模糊综合决策的研究

将神经网络理论应用于模糊综合决策，给出了一种基于三层神经元的多用量化决策方法，研究了三层神经网络的结构，相应的网络学习过程及其应用于模糊综合决策的计算机实现算法和应用实例。     

BP神经网络模型中活化函数对网络性能影响的研究

本文在ＢＰ神经网络模型中，采用一种新型的神经元活化函数替换传统的Ｓ型活化函数，并在活化函数中引入了可调参量，研究表明，作这一替换后对提高网络的学习速度、抑制假饱和现象起到了很好的作用。     

用神经网络逼近函数及其导数

对于给定的函数ｆ∈Ｗ′Ｍ［－π,π］ｄ,Ｍｂａｓｋｅｒ和Ｍｉｃｈｅｌｉ已构造出具体的神经网络逼近Ｓｏｂｏｌｅｖ类函数及其导数并给出逼近阶的估计。但对于给定的函数φ∈Ｗ′Ｍ（Ｒ′）并没有考虑。文章通过一个定理和Ｍｂａｓｋｅｒ的一个结果,对给定的函数φ∈Ｗ′Ｍ（Ｒ′）构造出具体的神经网络逼近Ｓｏｂｏｌｅｖ类函数及其导数并给出逼近阶的估计。     

一种基于模糊神经网络的自适应控制系统研究

提出一种基于模糊神经网络的自适应控制系统 ,经仿真研究表明该系统具有良好的动、静态性能、稳定性及自适应性