基于B样条神经网络算子的散乱数据插值

摘要：

目的:研究散乱数据神经网络算子的插值逼近性.方法:首先,将一维B样条函数变换成一类Sig-moid函数.然后,将若干个上述Sigmoid函数相乘得到的多元函数作为激活函数.结果:构造了一类多元神经网络插值算子,以函数的光滑模作为逼近度量,借助散乱数据网格范数,估计该类神经网络算子对有界域上的多元连续函数的逼近误差.特别地,给出一些具体的数值仿真算例进一步验证理论结果.结论:B样条神经网络算子对散乱数据有较好的插值逼近性.

关键词：计量、神经网络、插值、散乱数据、B样条函数、逼近误差

所属期刊栏目：30

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目No.61672477

在线出版日期：2020-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：506-513,523