全部 标题 作者
关键词 摘要

OALib Journal期刊
ISSN: 2333-9721
费用:99美元

查看量下载量

相关文章

更多...

学习理论中的MLP方法

, PP. 247-251

Keywords: 学习理论,Lp框架,p-样本误差,范数条件,Lτ条件

Full-Text   Cite this paper   Add to My Lib

Abstract:

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(JApproxTheory,2010,162599-614.)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.

References

[1]  程玉民,彭妙娟,李九红. 复变量移动最小二乘法及其应用[J]. 力学学报,2005,37(6):719-723.
[2]  Wang H Y, Xiang D H, Zhou D X. Moving least-square method in learning theory[J]. J Approx Theory,2010,162:599-614.
[3]  Cucker F, Zhou D X. Learning Theory: An Approximation Theory Viewpoint[M]. Cambridge:Cambridge University Press,2007.
[4]  程昳. 常用预测方法及评价综述[J]. 四川师范大学学报:自然科学版,2002,25(1):70-73.
[5]  程昳. 多元粗糙模糊回归预测[J]. 四川师范大学学报:自然科学版,2003,26(4):335-337.
[6]  张春涛. 基于遗传算法的最小一乘回归新算法[J]. 重庆师范大学学报:自然科学版,2005,22(2):15-17.
[7]  王洁,王炜炘,王成名. 权回归模型中参数估计的相对效率[J]. 广西师范大学学报:自然科学版,2000,18(2):37-40.
[8]  Jonsson A. Besov spaces on closed subset of Rn[J]. Trans Am Math Soc,1994,341:355-370.
[9]  Levin D. The approximation power of moving least squares[J]. Math Comp,1998,67:1517-1531.
[10]  Wendland H. Local polynomial reduction and moving least squares application[J]. IMA J Numer,2001,21:285-300.
[11]  Fan J Q, Gijbels I. Local Polynomial Modeling and Its Applications[M]. London:Chapman and Hall,1996.
[12]  Horov I. Some remarks on kernels[J]. J Comput Anal Appl,2000,2(3):253-263.
[13]  Evgeniou T, Pontil M, Poggio T. Regularization networks and support vector machines[J]. Adv Comput Math,2000,13:1-50.
[14]  Vapnik V. Statistical Learning Theory[M]. New York:John Wiley & Sons,1998.
[15]  Guionnet A. Concentration inequalities and logarithmic Sobolev inequalitie[C]//Lecture Notes in Mathematics. Berlin:Springer,2009,1957:1-9.

Full-Text

Contact Us

service@oalib.com

QQ:3279437679

WhatsApp +8615387084133