2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩49頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、學習理論作為逼近論和概率統(tǒng)計理論等的交叉學科,主要研究學習問題。學習問題就是利用樣本數(shù)據(jù)從給定函數(shù)集尋找待求的函數(shù)依賴關系的問題。其核心問題之一是分析處理學習問題的各種算法(或方法)的泛化性能,其中加權回歸學習算法是處理該問題的常用方法之一。加權回歸學習算法,即尋求使得加權誤差平方和最小的回歸函數(shù)的估計子。
  移動最小二乘(MLS)法是用于數(shù)值分析、統(tǒng)計學、數(shù)據(jù)光滑及其他領域的一種逼近方法。其優(yōu)點是有很好的數(shù)學理論支持,因為基于

2、最小二乘法,所以數(shù)值精度較高。對于每個固定的點,移動最小二乘法即為通常的最小二乘法。周定軒等已用該方法研究了學習理論中的回歸問題。
  本文用實分析、調和分析、泛函分析、逼近論等理論研究了學習理論中的加權回歸學習算法。首先,將移動最小二乘(MLS)法推廣到移動最小p乘(MLP)法,得到Lp(1≤p≤∞)框架下學習理論中加權回歸問題的一些結果,從而為研究Lp(1≤p≤∞)框架下學習算法的泛化性能提供了理論基礎。其次,估計了加權多元回

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論