学习理论中的MLP方法 |
| |
引用本文: | 任静静,徐艳艳,陈广贵.学习理论中的MLP方法[J].四川师范大学学报(自然科学版),2013(2):247-251. |
| |
作者姓名: | 任静静 徐艳艳 陈广贵 |
| |
作者单位: | 西华大学数学与计算机学院 |
| |
基金项目: | 四川省教育厅青年基金(11ZD009)资助项目;西华大学研究生创新基金(04030146);“西华杯”项目;西华大学校重点学科应用数学(XZD0910-09-1) |
| |
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.
|
关 键 词: | 学习理论 Lp框架 p-样本误差 范数条件 Lτ条件 |
本文献已被 CNKI 等数据库收录! |
|