سایپرز، باشگاه دانش - ارائه دهنده مقالات ژورنالهای خارجی

اطلاعات و مشخصات مقاله

[ 32 | جستجو | فهرست کلمات کلیدی | فهرست موضوعات | فهرست نویسندگان | فهرست ناشران | فهرست ژورنالها ]


عنوان مقاله:اپراتورهای شبکه های عصبی: الحاق سازنده از توابع چند متغیره
ناشر: [ Elsevier BV ]
ژورنال
دوره (شماره): (0)
سال انتشار:July 2015
شماره صفحات: 283628-36
نشانگر دیجیتالی شیء:[ 10.1016/j.neunet.2015.02.002 ]
شما اینجا هستید:
  1. Scipers, the Knowledge ClubScipers »
  2. Elsevier BV »
  3. Neural Networks »
  4. Neural network operators: Constructive interpolation of multivariate functions

دسترسی بین المللی

اگر شما در داخل کشور (ایران) هستید و این صفحه را مشاهده می کنید، نشان می دهد که IP شما به هر دلیلی در لیست IP های ایران ثبت نشده است. برای رفع این مشکل کافی است IP خود را که در پایین این پیام درج شده از طریق آدرس ایمیل support@scipers.com به ما اطلاع دهید. پس از دریافت درخواست، کارشناسان فنی موضوع را بررسی می نمایند و در صورتی که محل اتصال شما از کشور ایران بوده باشد، به لیست استفاده کنندگان مجاز افزوده می شوید.
IP: 3.82.52.91

اطلاعات استنادی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

 

به اشتراک گذاری

این صفحه را با استفاده از انواع شبکه های اجتماعی با دوستان خود به اشتراک بگذارید.

خلاصه مقاله، نویسندگان و کلمات کلیدی

Neural Network Operators: Constructive Interpolation Of Multivariate Functions


مقاله: اپراتورهای شبکه های عصبی: الحاق سازنده از توابع چند متغیره

نويسنده:


خلاصه مقاله:


In this paper, the interpolation of multivariate data by operators of the neural network type is proved. These operators can also be used to approximate continuous functions defined on a box-domain of Rd. In order to show this fact, a uniform approximation theorem with order is proved. The rate of approximation is expressed in terms of the modulus of continuity of the functions being approximated. The above interpolation neural network operators are activated by suitable linear combinations of sigmoidal functions constructed by a procedure involving the well-known central B-spline. The implications of the present theory with the classical theories of neural networks and sampling operators are analyzed. Finally, several examples with graphical representations are provided.


در این مقاله، درون یابی داده ها چند متغیره توسط اپراتورها از نوع شبکه های عصبی آن ثابت شود. این عملگرها نیز می تواند مورد استفاده قرار گیرد برای تقریب توابع پیوسته تعریف شده در یک جعبه دامنه از جاده. به منظور نشان دادن این واقعیت، قضیه تقریب یکنواخت با منظور ثابت شود. نرخ تقریبی است از نظر مدول تداوم توابع بیان شدن تقریبی. الحاق بالا اپراتورهای شبکه های عصبی توسط ترکیب خطی از توابع sigmoidal مناسب ساخته شده توسط یک روش شامل شناخته شده مرکزی B-نوار باریک فعال می شود. نتایج نظریه حاضر با تئوری های کلاسیک از شبکه های عصبی و اپراتورهای نمونه می شد. در نهایت، چند نمونه با نمایندگی های گرافیکی ارائه شده است.


كلمات كليدي:

Irregular sampling scheme, Multivariate approximation, Multivariate interpolation, Neural networks operators, Order of approximation, Sigmoidal functions
طرح نمونه برداری نامنظم , تقریب چند متغیره, چند متغیره الحاق, شبکه های عصبی اپراتورهای, سفارش تقریب, توابع Sigmoidal


موضوعات:

Cognitive Neuroscience, Artificial Intelligence



[ ]

فهرست مقالات مرتبط و مشابه

  1. Costarelli, Danilo, Spigler, Renato (2013) 'Multivariate neural network operators with sigmoidal activation functions', Neural Networks, Elsevier BV, pp:72-77
  2. Costarelli, Danilo, Spigler, Renato (2013) 'Multivariate neural network operators with sigmoidal activation functions', Neural Networks, Elsevier BV, pp:72-77
  3. Costarelli, Danilo (2014) 'Interpolation by neural network operators activated by ramp functions', Journal of Mathematical Analysis and Applications, Elsevier BV, pp:574-582
  4. , (2014) 'Voronovskaya type asymptotic expansions for multivariate quasi-interpolation neural network operators', Cubo (Temuco), SciELO Comision Nacional de Investigacion Cientifica Y Tecnologica (CONICYT), pp:33-48
  5. Lenze, Burkhard (1992) 'Constructive Multivariate Approximation with Sigmoidal Functions and Applications to Neural Networks', Numerical Methods in Approximation Theory, Vol. 9, Springer Nature, pp:155-175
  6. Costarelli, Danilo, Vinti, Gianluca (2016) 'Max-product neural network and quasi-interpolation operators activated by sigmoidal functions', Journal of Approximation Theory, Elsevier BV, pp:0-0
  7. , (2015) 'Approximations by multivariate perturbed neural network operators', Anal. Appl., World Scientific Pub Co Pte Lt, pp:1-20
  8. Muzhou Hou, , Xuli Han, (2010) 'Constructive Approximation to Multivariate Function by Decay RBF Neural Network', IEEE Trans. Neural Netw., Institute of Electrical & Electronics Engineers (IEEE), pp:1517-1523
  9. Anastassiou, George A. (2013) 'High Degree Multivariate Fuzzy Approximation by Quasi-Interpolation Neural Network Operators', DNC, L&H Scientific Publishing, LLC, pp:125-146
  10. Anastassiou, George A. (2015) 'Multivariate Fuzzy-Random Quasi-interpolation Neural Networks Approximation', Intelligent Systems II: Complete Approximation by Neural Network Operators, Springer Nature, pp:299-320

 

فهرست مراجع و منابع




 

برگشت به بالا
رونمایی از اولین و تنها ربات تلگرامی جستجوی مقالات ژورنالی
×