للشبكات العصبية L - p الرتبة الاساسية لتقريب == The Essential Order of L_p Approximation for Neural Networks
Author name:
عمر عبد الكريم رحومي السماك
Supervisor name:
ايمان سمير عبد علي بهية
General topic:
Mathematics
Specific topic:
Mathematics
Degree:
Master
University:
University of Babylon - College Of Education For Pure Sciences - Department Of Mathematics
Language:
English
University location:
Babylon
First pages:
27T1101 - p.pdf
Abstract:
درسنا في هذه الرسالة درجة التقريب الافضل باستخدام الشبكات العصبية للدوال في الفضاءات L_p ,p>0 . قمنا بتعريف الدالي K ومقياس نعومة من الدرجة r باستخدام مؤثر دونكل بعدها برهنا بنظرية ان هذين التعريفين متكافئين .استخدمنا هذه النظرية لبرهان مبرهنة مباشرة واخرى معاكسة لها للتقريب باستخدام الشبكات العصبية المنتظمة للدوال المعرفة على الفضاءات الاقليدية والتي تنتمي الى الفضاء L_p ,p<1 . ثبتنا الاوزان في الشبكات العصبية العقربية للحصول على مبرهنات مباشرة يمكن استخدامها بسهولة في التطبيقات الهندسية | This thesis consists of essential rate estimation of approximation using neural networks for functions in L_p spaces for p>0 . To prove our results for approximation using regular neural networks we need to introduce an equivalence estimation between K - functional and r - th modules of smoothness in terms of an improvement version of Dunkl operator . Using the equivalence estimation between the K - functional and r - th modules of smoothness , we guarantee a highest approximation accuracy using regular feed ford word neural network using special classes of neural network for functions in L_p spaces for p<1 defined on any subset of the d - Euclidean spaces . The weights are fixed in the radial bases functions neural networks to have facilities in applications and prove direct theorem using radial basis function neural networks for functions in L_p spaces for p≥1 .
