Orlicz 空间中指数神经网络算子的最大-最小收敛性分析
机器学习
2025-08-15 v1 泛函分析
摘要
在本 work 中，我们提出了一种用于函数近似的最大-最小方法的指数神经网络算子。我们将该框架扩展为开发最大-最小康托尔洮夫型指数神经网络算子，并研究其近似属性。我们研究了单变量函数的点收敛和一致收敛。为了分析收敛阶数，我们使用对数连续性模并估计相应的收敛率。此外，我们在 Orlicz 空间中考察了最大-最小康托尔洮夫型指数神经网络算子的收敛行为。我们提供一些图示，通过合适的核函数和sigmoid 激活函数来说明函数的近似误差。
引用
@article{arxiv.2508.10248,
title = {Convergence Analysis of Max-Min Exponential Neural Network Operators in Orlicz Space},
author = {Satyaranjan Pradhan and Madan Mohan Soren},
journal= {arXiv preprint arXiv:2508.10248},
year = {2025}
}
备注
35 pages, 6 figures