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