文献类型：期刊文章

作　　者：陈天平[1]

机构地区：[1]复旦大学数学系 上海200433

出　　处：《中国科学（A辑）》

基　　金：国家自然科学基金

年　　份：1994

卷　　号：24

期　　号：1

起止页码：1-7

语　　种：中文

收录情况：CSCD、CSCD2011_2012、ZMATH、普通刊

摘　　要：本文讨论神经网络的能力问题及其在系统识别中的一些逼近问题。文中证明了:(1)函数g∈L_(Loc)~P(R^1)∩S′(R′)为—L^P-Tauber-Wiener函数的充要条件为g不是一个多项式;(2)当g∈(L^PTW)时,sum from i=1 to N c_ig(y_i·x+θ_i)全体在L^P(K)中稠密;(3)证明了用一元函数的复合可以逼近定义在L^P(K)上的连续(线性或非线性)泛函及L^(P1)(K_1)到L^P2(K_2)中的连续(线性或非张性)算子。上述结果表明任一非多项式的L_(Loc)~P∩S′(R′)中的函数可以作为神经网络隐层中的非线性元,以及神经网络算法可以以任意精度识别一个系统。

关 键 词：神经网络 系统识别 逼近  

分 类 号：TP11]