学习理论中的MLP方法

作者：任静静; 徐艳艳; 陈广贵

来源：四川师范大学学报(自然科学版), 2013, (02): 247-251.

• 学习理论
• Lp框架
• p-样本误差
• 范数条件
• Lτ条件 learning theory
• Lp setting
• p-sample error
• norming condition
• Lτ condition

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.H.Y.Wang,D.H.Xiang,D.X.Zhou(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.

• 单位
  西华大学