关于 $L^p$ 收敛性与 Durrmeyer-型最大最小神经网络算子去噪性能的研究
数值分析
2026-02-02 v1 数值分析
摘要
本文研究了 Durrmeyer-型最大最小值神经网络算子。本研究的主要目标是建立这些算子在 范数下对函数 （其中 ）的收敛性。为此，我们分析了信号函数和最大最小值运算的性质，随后在点态、至多范数和 范数下建立了所提出算子的收敛性。此外，我们推导了收敛速率的定量估计。在应用部分，数值和图形示例表明，所提出的 Durrmeyer-型算子相对于 Kantorovich-型和标准 max-min 算子提供了更平滑的逼近。最后，我们突出了这些算子在信号分析中的优越滤波性能，验证了它们在逼近和数据处理任务中的有效性。
引用
@article{arxiv.2601.22174,
title = {On the $L^p$-Convergence and Denoising Performance of Durrmeyer-Type Max-Min Neural Network Operators},
author = {Berke Şahin and İsmail Aslan},
journal= {arXiv preprint arXiv:2601.22174},
year = {2026}
}