本项目主要研究球面S^d、球体B^d和单形T^d等紧集上的多元光滑函数类最佳m-项逼近的特征,给出渐近阶的刻画以及最优算法的构造。预期所得结果不但对多元函数逼近理论的相关方向带来推动,而且对图像信号处理等应用学科也有借鉴作用。
本项目研究的是R^d子集上的多元函数的逼近。这一年里,在神经网络方面,我们得到一个初步的结果。在球面S^d上,我们引进了一类网络函数,通过这类网络函数我们给出了L^p(S^d)上任意目标函数逼近阶的刻画;同时给出了这类网络函数与最佳多项式逼近逼近阶的比较。
{{i.achievement_title}}
数据更新时间:2023-05-31
Himawari-8/AHI红外光谱资料降水信号识别与反演初步应用研究
ENHANCED NITRITATION THROUGH LONG TERM HYDROXYLAMINE ADDITION: INSIGHT INTO AMMONIUM OXIDATION ACTIVITY AND MICROBIAL COMMUNITY
Punicalagin ameliorates collagen-induced arthritis by downregulating M1 macrophage and pyroptosis via NF-κB signaling pathway
Electrochemistry and Spectroscopy Study on Nitrate Reduction Catalyzed by Iron and Cobalt Protoporphyrin Immobilized Pyrolytic Graphite
Ordinal space projection learning via neighbor classes representation
m-项逼近的超级贪婪算法的性能分析
流形上的逼近与调和分析
光滑函数类上的几个逼近问题
拟园上的插值与逼近