论文部分内容阅读
研究一类近似插值单隐层前向神经网络的逼近问题。利用Steklov平均函数,以光滑模为度量,估计了该网络对Lebesgue可积函数的逼近误差。所获结果表明：对于定义在[a,b]上的任意p（1≤p〈＋∞）次Lebesgue可积函数f（x）,只要隐层节点数n足够大,均有一个近似插值神经网络以任意精度逼近f（x）。