Aproximaciones suaves de redes neuronales logísticas reales y complejas, ordinarias y fraccionarias sobre dominios infinitos
Autores: Anastassiou, George A.
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Aproximaciones suaves de redes neuronales logísticas reales y complejas, ordinarias y fraccionarias sobre dominios infinitos
Categoría
Matemáticas
Subcategoría
Análisis matemático
Palabras clave
Estudio
Aproximaciones suaves cuantitativas
Operadores de redes neuronales
Curva de Richard
Tipo de cuasi-interpolación
Aplicaciones
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 21
Citaciones: Sin citaciones
En este trabajo, estudiamos las aproximaciones suaves cuantitativas univariadas, que incluyen tanto aproximaciones reales como complejas y ordinarias y fraccionarias, bajo diferentes funciones. Los aproximadores presentados aquí son operadores de redes neuronales activados por la curva de Richard, una forma parametrizada de la función sigmoide logística. Todos los dominios utilizados se obtienen de toda la recta real. Los operadores de redes neuronales utilizados aquí son del tipo de cuasi-interpolación: básicos, del tipo Kantorovich y del tipo cuadratura. Proporcionamos aproximaciones punto a punto y uniformes con tasas. Concluimos con sus aplicaciones.
Descripción
En este trabajo, estudiamos las aproximaciones suaves cuantitativas univariadas, que incluyen tanto aproximaciones reales como complejas y ordinarias y fraccionarias, bajo diferentes funciones. Los aproximadores presentados aquí son operadores de redes neuronales activados por la curva de Richard, una forma parametrizada de la función sigmoide logística. Todos los dominios utilizados se obtienen de toda la recta real. Los operadores de redes neuronales utilizados aquí son del tipo de cuasi-interpolación: básicos, del tipo Kantorovich y del tipo cuadratura. Proporcionamos aproximaciones punto a punto y uniformes con tasas. Concluimos con sus aplicaciones.