一类拟插值Kantorovich型神经网络算子的估计_项承昊.pdf
《一类拟插值Kantorovich型神经网络算子的估计_项承昊.pdf》由会员分享,可在线阅读,更多相关《一类拟插值Kantorovich型神经网络算子的估计_项承昊.pdf(6页珍藏版)》请在咨信网上搜索。
1、第5 7卷第2期华中师范大学学报(自然科学版)V o l.5 7 N o.22 0 2 3年4月J OUR NA LO FC E N T R A LCH I NANO RMA LUN I V E R S I T Y(N a t.S c i.)A p r.2 0 2 3收稿日期:2 0 2 1-0 9-3 0.基金项目:国家自然科学基金项目(1 1 6 0 1 1 1 0).*通信联系人.E-m a i l:z h a o y i h z n u.e d u.c n.D O I:1 0.1 9 6 0 3/j.c n k i.1 0 0 0-1 1 9 0.2 0 2 3.0 2.0 0 2文章
2、编号:1 0 0 0-1 1 9 0(2 0 2 3)0 2-0 1 9 5-0 6一类拟插值K a n t o r o v i c h型神经网络算子的估计项承昊,赵 易*(杭州师范大学数学学院,杭州3 1 1 1 2 1)摘 要:该文在神经网络算子理论中的M a x-p r o d u c t型算子和K a n t o r o v i c h型算子的基础上,构造了一种由S i g m i o d a l函数激发的拟插值型的神经网络算子,考虑了其对实数域上非负连续函数的点态逼近和一致逼近,并给出了其在Lp+()空间上的逼近定理.关键词:神经网络算子;K a n t o r o v i c h型
3、算子;M a x-p r o d u c t型算子;逼近中图分类号:O 1 7 4.4 1文献标志码:A开放科学(资源服务)标志码(O S I D):近来,许多文献1-5对如下形式的神经网络算子进行了研究:Nn(f,x)=n bk=n afkn(n x-k)n bk=n a(n x-k),xa,b,这里,f(x)是a,b 上的有界可测函数,和分别表示一个给定数的向上取整和向下取整的 数 值,例 如:2.5=3,2.5=2.而(x):称为上的S i g m o i d a l型函数,即l i mx-(x)=0,l i mx+(x)=1.而(x)由(x)激发6,是由(x)经过以下形式平移的线性组合
4、得到的,定义如下:(x)=12(x+1)-(x-1),x.如L o g i s t i c函数是一类常见的S i g m o i d a l型函数,(x)=11+e-x,如图1所示,由其激发的(x)常被称为“钟型函数”(这一名称由C a r d a l i a g u e t和E u v r a r d在文献7中给出).对于在定义域上可连续求导的函数f,文献8将Nn(f,x)表达式中分子分母的n bk=n a改作nk=-n,构造了一种新的算子,建立了相关的V o r o n o v s k a j a型图1 L o g i s t i c函数(x)=11+e-xF i g.1 L o g i
5、s t i c f u n c t i o n(x)=11+e-x图2(x)=12(x+1)-(x-1)F i g.2(x)=12(x+1)-(x-1)1 9 6 华中师范大学学报(自然科学版)第5 7卷定理.进而,为了逼近定义在上的函数,文献9构造了拟插值型的神经网络算子,即N(Q)n(f,x)=kfkn(n x-k)k(n x-k),x,其中,R a m p函数作为一类特殊的S i g m o i d a l函数,其形 式 相 对 简 单,C o s t a r e l l i1 0定 义 了 如 下 的R a m p函数:(x)=0,x-1/2;x+1/2,-1/2x1/2;1,x1/2
6、,并构造了一种新的神经网络插值型算子,Fn(f,x)=nk=0f(xk)n(x-xk)b-ank=0n(x-xk)b-a,xa,b,这里,f:a,b 为有界可测函数,xknk=0为一组等步长的结点组,即xk=a+kb-an,k=0,1,n.事实上,Fn(f,x)在结点xknk=0上插值于f(x),且Fn(f,x)对连续函数f的逼近阶亦可得到估计.之后,又有学者将算子中的符号改成,得到了N(M a x-P r o d u c t)n(f,x)=n bk=n afkn(n x-k)n bk=n a(n x-k),xa,b,这里,对于集合Ak,符号kJAk=s u pAk,kJ,J;这一调整将原来的
7、线性算子转变成了非线性算子,虽算子不再具备插值性质,但其对正连续函数的逼近阶得到了提高.在一些实际应用中,由于有时输入的信号有抖动和偏移的情况,反映在具体数值方面,f(k/n)的值会 存 在 一 定 的 误 差.为 此,可 将f(k/n)用n(k+1)/nk/nf(u)du取代,构造K a n t o r o v i c h型的神经网络算子,以削弱抖动或漂移造成的影响.于是,C o s t a r e l l i1 1构造了如下的算子:Kn(f,x)=n bk=n an(k+1)/nk/nf(u)du(n x-k)n bk=n a(n x-k),xa,b,并且考虑函数f(x)的模收敛情况1 2
8、.同时在文献1 3中,作者给出了Kn(f,x)有关K-泛函的估计.本文在该算子的基础上,构造其拟插值型的算子K(Q)n(f,x),证明了其相关的逼近定理,并给出了Lp空间上的相关估计.1预备符号和标识定义1 令f(x):+为非负有界的可积函数,定义K a n t o r o v i c h型的拟插值神经网络算子为:K(Q)n(f,x)=kn(k+1)/nk/nf(u)du(n x-k)k(n x-k),x.本文考虑(x)为上的单调递增函数,使得(4)(2),并具有以下性质:1)h(x)=(x)-1/2为奇函数;2)1,(x)=O(|x|-),x-.(x)的许多性质1,1 1也被证明过,其中与本
9、文有关的结果罗列如下.引理1(i)x,(x)0,特别地,(3)0;(i i)(x)是上的偶函数;(i i i)x0,l i mn+|x-k|n(x-k)=l i mn+|x-k|n(x-k)=0;(i i)k(n x-k)(3)0.证 明 在 1 中,有 结 论 0,l i mn+|x-k|n(x-k)=0,利用极限的迫敛性,结合0|x-k|n(x-k)|x-k|n(x-k),可得l i mn+|x-k|n(x-k)=l i mn+|x-k|n(x-k)=0.故(i)得证.而对于(i i),根据的定义和n x-k 可知,对于x,(x)不会超过k(n x-k),故(i i)得证.为了方便后面的算
10、子估计,事先给出一阶连续模和广义绝对矩的定义.定义2 若f(x)在区间I(可有限或无限)上有定义,则对于t0,定义f(x)的连续模(f,t)为:第2期项承昊等:一类拟插值K a n t o r o v i c h型神经网络算子的估计1 9 7 (f,t)=(t)=s u px,yI,|x-y|t|f(x)-f(y)|,t0.易证,连 续 模(t)具 有 半 可 加 性1 4,即 对于0,(f,t)(1+)(f,t).定义31 3(x)的阶(0)广义绝对矩定义为m()=s u pxk(x-k)|x-k|.2主要结论本文构造的算子虽然并非线性,但仍具有一些良好的性质.后续证明算子K(Q)n(f,x
11、)对f(x)的收敛情况中会用到如下相关性质,其证明易由K(Q)n(f,x)的定义直接得到.命题1 f,g:+为有界函数,则当n+充分大时,有:(i)(x)在上连续K(Q)n(f,x)在上连续;(i i)x,f(x)g(x)K(Q)n(f,x)K(Q)n(g,x),x;(i i i)K(Q)n(f+g,x)K(Q)n(g,x)+K(Q)n(f,x),x;(i v)|K(Q)n(g,x)-K(Q)n(f,x)|K(Q)n(|f-g|,x),x;(v)对 于 常 数 0,有K(Q)n(f,x)=K(Q)n(f,x),x;(v i)f1时,有K(Q)n(f,x)=1,x.定理1 若f:+为有界函数,且
12、在某点x 上连续,则有l i mn+K(Q)n(f,x)=f(x).进一步,若fC+(),则有l i mn+K(Q)n(f,)-f()=0,这里,C+()指上的非负连续函数全体.证明 只证明第一个式子,第二个式子可类似证明.由于f在x点处连续,故对0,0,使得对所有的yx-,x+,有|f(x)-f(y)|n/2nk+1nkn|f(u)-f(x)|du(n x-k)=1(3)m a x(I1,I2).因此,当n+充分大时,|u-x|n/2nk+1nkn2 fdu(n x-k)0,n+.因此定理得证.推论1 fC+(),且f(x)满足Ho l d e r连续性,即M0,(f,t)Mt,(0,1,则
13、K(Q)n(f,)-f()=O(n-).证明 不妨定义f(x)=x(t),t,有|K(Q)n(f,x)-f(x)|K(Q)n(f,x)-x(t)|K(Q)n|f-x(t)|,x()1(3)knk+1nkn|f(u)-f(x)|du(n x-k),则|K(Q)n(f,x)-f(x)|1(3)knk+1nkn(f,|u-x|)du(n x-k)1(3)knk+1nkn(1+n|u-x|)f,1ndu(n x-k)1(3)f,1nk(n x-k)+kn2k+1nkn|u-x|du(n x-k)1(3)f,1nk(n x-k)+kn2k+1nknu-kn+kn-xdu(n x-k),1 9 8 华中师
14、范大学学报(自然科学版)第5 7卷根据(x)的性质和一阶广义绝对矩的定义,有k(n x-k)(0),且(0)12(1-0)=12;k(n x-k)|n x-k|=m a x|n x-k|1,|n x-k|1(n x-k)|n x-k|m a x1|x-k|1(n x-k),|x-k|1(n x-k)|n x-k|(0),由此得到|K(Q)n(f,x)-f(x)|1(3)f,1n12+12k(n x-k)+m1()5 f,1n4(3)=K f,1n=O(n-).故推论得证.K(Q)n(f,x)在C+()上的逼近定理得到证明之后,可考虑该算子在p次可积非负函数空间上的估计,并给出了相关的引理和定理
15、.引理3 对于Lp+()上的函数f(x),0,存在函数序列gm(x)C+(),使得m 充分大时,|f(x)-gm(x)|在上a.e.成立,且K(Q)n(f,)-K(Q)n(gm,)p1(3)f()-gm()p,这里,Lp+()是指上的p次可积非负函数全体.证明 gm+m=1的存在性利用L u s i n定理(见文献1 5 中的T h e o r e m1 7 4)即可证得.根据p的定义f()p=(|f(x)|pdx)1/p可知K(Q)n(f,)-K(Q)n(gm,)p=|K(Q)n(f,x)-K(Q)n(gm,x)|pdx()1/pK(Q)n(|f-gm|,x)pdx()1/p1(3)k(nk
16、+1nkn|f(u)-gm(u)|du)(n x-k)pdx1p.由|f(x)-gm(x)|在R上a.e.成立,可知nk+1nkn|f(u)-gm(u)|du=o(1).而对于一非负无穷小量ak=o(1),k+,容易得到下面的不等式:(kak)p=(kJak)pkJapk kapk,这里,J是整数集的某一有限子集.于是有K(Q)n(f,)-K(Q)n(gm,)p1(3)knk+1nkn|f(u)-gm(u)|du(n x-k)()pdx1/p1(3)k(n x-k)nk+1nkn|f(u)-gm(u)|du()pdx1/p,由于xp(1p+)在0,+)上为凸函数,故由J e n s e n不等
17、式得到:K(Q)n(f,)-K(Q)n(gm,)p1(3)k(n x-k)dxnk+1nkn|f(u)-gm(u)|pdu1/p1(3)k(n x-k)dxnk+1nkn|f(u)-gm(u)|pdu1/p1(3)k(y)d ynk+1nkn|f(u)-gm(u)|pdu1/p1(3)(y)d yknk+1nkn|f(u)-gm(u)|pdu1/p,其中有变量代换x=(y+k)/n,由引理1的(i i i)和(i v),易证(x)在上可积,且利用F o u r i e r变换1 6,可知(y)dy=1,故K(Q)n(f,)-K(Q)n(gm,)p1(3)f()-gm()p.引理得证.文献1 7
18、-1 8给出了K-泛函的定义,但传统的K-泛函通常针对有限区间里的函数.对于无限区间,可针对新的算子给出类似K-泛函的估计.定理3 假设fLp+(),1p0,使得t0,第2期项承昊等:一类拟插值K a n t o r o v i c h型神经网络算子的估计1 9 9 有f(t+)-f()p=(|f(x+t)-f(x)|pdx)1/pL|t|,K(Q)n(f,x)为定义1中的算子,则对充分大的n+,以下式子在上几乎处处成立:K(Q)n(f,)-f()pi n fgSf()C1+21np-1pf-gp+C21n2p-1pL,其中,Sf()是指满足引理3中证得存在性的实轴上非负连续函数全体.C1=1
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 一类 拟插值 Kantorovich 神经网络 算子 估计 项承昊
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。