学习理论中的MLP方法

作     者：任静静 徐艳艳 陈广贵 REN Jingjing;XU Yanyan;CHEN Guanggui

作者机构：西华大学数学与计算机学院四川成都610039 

出 版 物：《四川师范大学学报（自然科学版）》 (Journal of Sichuan Normal University（Natural Science）)

年 卷 期：2013年第36卷第2期

页      面：247-251页

学科分类：0820[工学-石油与天然气工程] 08[工学] 082002[工学-油气田开发工程] 

基　　金：四川省教育厅青年基金(11ZD009)资助项目 西华大学研究生创新基金(04030146) "西华杯"项目 西华大学校重点学科应用数学(XZD0910-09-1) 

主　　题：学习理论 Lp框架 p-样本误差 范数条件 Lτ条件 

摘      要：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.***,***,***(J Approx Theory,2010,162:599-614.)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.