导读:本文包含了逼近阶论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:学习机,增量,算子,函数,不等式,神经网络,尺度。
逼近阶论文文献综述
赵健,肖明,杨阳,陈俊涛,李冬冬[1]（2017）在《基于逼近阶跃函数和拉格朗日插值的改进DDA方法》一文中研究指出针对非连续变形分析中开合迭代难以收敛的难题,基于块体接触约束状态和块体位移之间的关系,提出了基于逼近阶跃函数和拉格朗日插值的改进DDA方法。采用双曲正切函数来逼近阶跃函数,利用阶跃函数将块体接触约束状态用块体位移来表达,以此来替代开合迭代,避免了开合迭代难以收敛的难题。利用拉格朗日插值原理,推导得到只含有块体位移为未知量的块体系统势能函数,并利用变尺度法来求解总体势能函数的极值以得到块体位移。分别结合滑块模型和地下洞室模型,分析了改进DDA方法的计算精度和计算速度,验证了文中提出的改进DDA方法的正确性和稳定性。研究表明:基于逼近阶跃函数和拉格朗日插值的改进DDA方法具有较高的精度,且相比较传统DDA方法而言,具有更为稳定的和更为强健的计算收敛性。因此,基于逼近阶跃函数和拉格朗日插值的改进DDA方法是一种稳定有效的数值计算方法,为解决非连续变形中开合迭代难以收敛的问题提供了新思路。(本文来源于《岩土力学》期刊2017年07期）
孙芳美,吴嘎日迪[2]（2017）在《一类新型Bernstein-Sikkema-Bezier算子在Orlicz空间内的收敛性与逼近阶的估计》一文中研究指出构造了一类新型的Bernstein-Sikkema-Bezier算子,并利用K泛函、连续模、凸函数的Jensen不等式、Hardy-Littlewood极大函数等工具研究了Bernstein-Sikkema-Bezier算子在Orlicz空间内的逼近问题,得到了该算子在Orlicz空间内的收敛性与逼近阶的估计.(本文来源于《高师理科学刊》期刊2017年01期）
张静,张建基,卢维娜[3]（2015）在《双向多尺度函数的逼近阶及计算》一文中研究指出构造同时具有高逼近阶等良好性质的小波是小波分析的核心问题,已有的关于小波逼近阶的许多研究结果是针对单向小波的。最近,杨守志教授提出了双向细分方程与双向小波的概念。然而,目前,针对双向多尺度函数的逼近阶的研究还非常地少。文章首先给出了一种双向多尺度函数的逼近阶的定义,然后又给出了双向多尺度函数的逼近阶的一些成立的条件,最后又给出了双向多尺度函数的逼近阶的计算算法。文章给出的概念和方法还可以做进一步的推广研究。(本文来源于《新疆师范大学学报(自然科学版)》期刊2015年04期）
王博[4]（2015）在《凸增量极限学习机的逼近阶》一文中研究指出针对增量极限学习机(Convex incremental extreme learning machine,CI-ELM)的逼近能力分析问题,提出了一种基于Cauchy-Schwarz不等式的方法对CI-ELM算法的逼近阶进行定量分析.该方法针对激活函数g(x)所生成的函数序列定义了一个特殊的规范激活函数空间D,并在D上构造目标函数空间A_1(D),在Cauchy-Schwarz不等式基础上,利用分类讨论思想及数学归纳法对CI-ELM算法的逼近阶进行定量描述,从而初步揭示CI-ELM算法快速收敛的本质.结果证明,在目标函数空间A_1(D)上,CI-ELM逼近阶为O(n-1/2).(本文来源于《西安工程大学学报》期刊2015年06期）
崔新月[5]（2015）在《增量极限学习机的逼近阶估计研究》一文中研究指出极端学习机(Extreme Learning Machine, ELM)系列算法是一类学习速度快且泛化能力强的快速学习算法,它的核心思想是通过随机机制来固定一个学习系统的隐变量,从而将非线性系统转化为线性系统.网络结构增长型的ELM (I-ELM)算法则是通过逐个向网络中增加隐节点来确定最优的节点数目.在得到相同误差的情况下,该算法与同类算法相比,具有耗时少,所需隐节点数目少且泛化能力强等优点.然而我们知道,目前的理论成果都只是从定性的角度分析了该算法能够以任意小的误差逼近目标函数,并没有对其快速收敛的本质给出完整解释.因此,本学位论文主要以贪婪逼近理论为基础,系统展开了对增长型ELM (I-ELM)算法逼近阶估计的研究,进而给出该算法定量的收敛性分析.主要工作包括：第一章系统介绍了神经网络的由来及发展过程；阐述了最简单的单隐层前向神经网络的基本结构、数学模型和学习方式；并在此基础上叙述了ELM算法的研究背景与现状.第二章主要阐述了原始ELM算法以及网络结构增长型的ELM (I-ELM)算法的设计原理、算法步骤及优缺点.第叁章重点介绍了一些基本的函数逼近理论以及贪婪算法的逼近思想和具体迭代过程.第四章将贪婪算法估计逼近阶的思想引入到I-ELM算法,首先构造出了满足一定条件的激活函数所属的函数集,然后在此基础上,给出了I-ELM算法对连续目标函数的具体逼近阶,并通过定理予以证明.(本文来源于《西北大学》期刊2015-06-30）
王博[6]（2015）在《凸增量极限学习机的逼近阶》一文中研究指出凸增量极限学习机(Convex incremental extreme learning machine, CI-ELM)是结合Barron凸优化理论计算网络输出权值的一类隐节点增长型极限学习机Huang等人已经证明,当激活函数满足任意分段连续时,凸增量极限学习机所产生的网络序列可以以任意精度逼近给定的连续目标函数.但对凸增量极限学习机的逼近能力只是从定性上进行描述,并没有给出定量的表达.本学位论文将利用两种不同的方法对凸增量极限学习机的逼近阶进行估计.主要工作内容包括：第一章系统阐述了人工神经网络的基础知识.第二章回顾采用随机机制的神经网络及其逼近能力,包括函数连接型神经网络(RVFL), (GNN),回声状态神经网络(ESN),及极限学习机(ELM)和凸增量极限学习机(CI-ELM).第叁章基于条件选择对CI-ELM的逼近能力进行系统分析并给出CI-ELM的逼近阶,同时通过数值实验对所用方法的可行性与有效性进行验证.第四章基于C auchy-Schwarz不等式对CI-ELM算法的逼近阶进行更进一步的分析,并得出更一般的结果.(本文来源于《西北大学》期刊2015-06-30）
崔新月,王博,张瑞,吕晓丽[7]（2015）在《关于增量极限学习机的逼近阶估计》一文中研究指出与以往探究增量极限学习机的全局逼近能力有所不同,文中给出了该算法定量的收敛性分析。源于纯贪婪算法估计逼近阶的思想,文中运用数列构造与不等式缩放等方法估计增量极限学习机的逼近阶,最终用定理证明了它对于连续目标函数f的逼近阶为o(n-16)。这就对增量极限学习机的快速收敛性能给出了清晰解释。(本文来源于《西北大学学报(自然科学版)》期刊2015年02期）
涂天亮[8]（2015）在《导数在边界上具有Lipα条件的调和函数插值逼近阶》一文中研究指出D是由复平面z中一条Jordal闭曲线Γ围成的单连区域,z=0∈D.函数u(z)在D内调和且在Γ上u(q)∈L中α(0<α<1).基于复插值逼近理论证明了:存在唯一的调和插值多项式u_n~*(z),它与调和函数u(z)在Γ的摄动Fejer点{z_k~*}_0~(n-1)上有相同的值,在D上一致收敛于u(z),且收敛是稳定的.所得结果改进并推广了同类课题中已有的工作.(本文来源于《数学年刊A辑(中文版)》期刊2015年01期）
雷崇民,张光晨,黄永东[9]（2011）在《奇异两尺度相似变换的逼近阶》一文中研究指出对于单小波,给出了0是变换矩阵的重根时,两尺度相似变换(TST)的逼近阶.对于多小波系统,定义了新的矩阵两尺度相似变换(TST),得到了当0是变换矩阵M(0)的二重非退化特征值时(TST)逼近阶以及逼近向量的形式.(本文来源于《宁夏大学学报(自然科学版)》期刊2011年04期）
刘国芬,禹长龙[10]（2011）在《Szsz-Bézier和Baskakov-Bézier算子的加权逼近阶》一文中研究指出利用一阶加权光滑模ωφλ(f,t)w讨论了Szsz-Bézier算子和Baskakov-Bézier算子带权w(x)=xa(1-x)b(0<a<1,b>0)的点态逼近,并给出了它们的逼近阶。(本文来源于《河北科技大学学报》期刊2011年06期）
逼近阶论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
构造了一类新型的Bernstein-Sikkema-Bezier算子,并利用K泛函、连续模、凸函数的Jensen不等式、Hardy-Littlewood极大函数等工具研究了Bernstein-Sikkema-Bezier算子在Orlicz空间内的逼近问题,得到了该算子在Orlicz空间内的收敛性与逼近阶的估计.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
逼近阶论文参考文献
[1].赵健,肖明,杨阳,陈俊涛,李冬冬.基于逼近阶跃函数和拉格朗日插值的改进DDA方法[J].岩土力学.2017
[2].孙芳美,吴嘎日迪.一类新型Bernstein-Sikkema-Bezier算子在Orlicz空间内的收敛性与逼近阶的估计[J].高师理科学刊.2017
[3].张静,张建基,卢维娜.双向多尺度函数的逼近阶及计算[J].新疆师范大学学报(自然科学版).2015
[4].王博.凸增量极限学习机的逼近阶[J].西安工程大学学报.2015
[5].崔新月.增量极限学习机的逼近阶估计研究[D].西北大学.2015
[6].王博.凸增量极限学习机的逼近阶[D].西北大学.2015
[7].崔新月,王博,张瑞,吕晓丽.关于增量极限学习机的逼近阶估计[J].西北大学学报(自然科学版).2015
[8].涂天亮.导数在边界上具有Lipα条件的调和函数插值逼近阶[J].数学年刊A辑(中文版).2015
[9].雷崇民,张光晨,黄永东.奇异两尺度相似变换的逼近阶[J].宁夏大学学报(自然科学版).2011
[10].刘国芬,禹长龙.Szsz-Bézier和Baskakov-Bézier算子的加权逼近阶[J].河北科技大学学报.2011
论文知识图
