构造前向神经网络逼近多项式函数

被引:9
作者
曹飞龙
张永全
潘星
机构
[1] 中国计量学院信息与数学科学系
关键词
神经网络; 逼近; 多元多项式;
D O I
暂无
中图分类号
TP183 [人工神经网络与计算];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
摘要
首先用构造性的方法证明:对于任意的 n 阶多元多项式函数,可以构造一个三层前向神经网络以任意精度逼近该多项式,所构造网络的隐层节点个数仅与多项式的维数 d 和阶数 n 有关.然后,我们给出实现这一逼近的具体算法.最后,给出两个算例进一步验证所得的理论结果.本文结果对神经网络逼近多元多项式函数的具体网络构造以及实现这一逼近的方法等问题具有指导意义.
引用
收藏
页码:331 / 335
页数:5
相关论文
共 6 条
[1]   神经网络的本质逼近阶 [J].
曹飞龙 ;
徐宗本 .
中国科学E辑:信息科学, 2004, (04) :361-373
[2]   多项式函数的神经网络逼近:网络的构造与逼近算法 [J].
曹飞龙 ;
徐宗本 ;
梁吉业 .
计算机学报, 2003, (08) :906-912
[3]   A note on the universal approximation capability of support vector machines [J].
Hammer, B ;
Gersmann, K .
NEURAL PROCESSING LETTERS, 2003, 17 (01) :43-53
[4]   Constructive function-approximation by three-layer artificial neural networks [J].
Suzuki, S .
NEURAL NETWORKS, 1998, 11 (06) :1049-1058
[5]   DEGREE OF APPROXIMATION BY NEURAL AND TRANSLATION NETWORKS WITH A SINGLE HIDDEN LAYER [J].
MHASKAR, HN ;
MICCHELLI, CA .
ADVANCES IN APPLIED MATHEMATICS, 1995, 16 (02) :151-183
[6]  
Approximation by superpositions of a sigmoidal function[J] . G. Cybenko.Mathematics of Control, Signals and Systems . 1989 (4)