一般有界Sigmoidal函数神经网络的插值与逼近

研究了一维欧氏空间中神经网络的插值问题.首先,对于一组插值样本和定义在R上的一般有界Sig-moidal激活函数,给出了精确插值的单隐层前向神经网络存在的条件;然后,构造了近似插值网络,给出了估计精确和近似插值网络之间的误差;最后,利用连续模作为度量,分别估计了两类网络对连续函数的逼近误差.

一类广义的MKZ算子的点态逼近估计

利用经典的Zeng分解方法,并结合Meyer-Knig和Zeller算子基函数的界,讨论了Meyer-Knig和Zeller-Bézier算子在0<α<1时对一般有界函数的逼近,拓展了文献[1-2]的研究结果.