基于B样条神经网络算子的散乱数据插值

论文摘要

目的:研究散乱数据神经网络算子的插值逼近性。方法:首先,将一维B样条函数变换成一类Sigmoid函数。然后,将若干个上述Sigmoid函数相乘得到的多元函数作为激活函数。结果:构造了一类多元神经网络插值算子,以函数的光滑模作为逼近度量,借助散乱数据网格范数,估计该类神经网络算子对有界域上的多元连续函数的逼近误差。特别地,给出一些具体的数值仿真算例进一步验证理论结果。结论:B样条神经网络算子对散乱数据有较好的插值逼近性。

论文目录

• 1 预备知识
• 2 基于B样条神经网络算子的多变量散乱数据插值
• 3 数值实验仿真与分析
• 4 结 论

文章来源

类型: 期刊论文

作者: 徐慧芳,曹飞龙

关键词: 计量,神经网络,插值,散乱数据,样条函数,逼近误差

来源: 中国计量大学学报 2019年04期

年度: 2019

分类: 工程科技Ⅱ辑,基础科学,信息科技

专业: 数学,自动化技术

单位: 中国计量大学理学院

基金: 国家自然科学基金项目(No.61672477)

分类号: TP183;O174

页码: 506-513+523

总页数: 9

文件大小: 2119K

下载量: 65