| 小置信范围下指示函数的沃尔什逼近 |
| |
| 引用本文： | 原峰山,朱思铭,李拥军.小置信范围下指示函数的沃尔什逼近[J].广州航海高等专科学校学报,2003(1):6-8. |
| |
| 作者姓名： | 原峰山 朱思铭 李拥军 |
| |
| 作者单位： | 1. 中山大学数学与计算科学学院,广州,510275;广州航海高等专科学校现代化教学中心,广州,510725
2. 中山大学数学与计算科学学院,广州,510275 |
| |
| 基金项目： | 国家自然科学基金资助项目 (10 0 710 97) |
| |
| 摘 要： | 讨论了基于统计学习理论中满足较小置信范围时,采用沃尔什函数逼近机器学习响应函数,从而在结构风险最小化原则条件下使风险泛函最小,保证了小样本环境下机器学习的误差最小,并且获得较好的学习推广能力.
|
| 关 键 词： | SRM原则 机器学习 沃尔什逼近 |
| 文章编号： | 1009-8526(2003)01-0006-03 |
| 修稿时间： | 2003年6月4日 |
Walsh Approaximation of Indicator Function under Less Trust Scope |
| |
| YUAN Feng-shan ,ZHU Si-ming,LI Yong-jun.Walsh Approaximation of Indicator Function under Less Trust Scope[J].Journal of Guangzhou Maritime College,2003(1):6-8. |
| |
| Authors: | YUAN Feng-shan ZHU Si-ming LI Yong-jun |
| |
| Institution: | YUAN Feng-shan 1,2,ZHU Si-ming1,LI Yong-jun 1 |
| |
| Abstract: | This paper presents a new solution that risk functional becomes the least, under SRM principle when Walsh function is used to approximate responding function of learnig machine, which also leads error of the learning machine to be the least respecting to lesstrust scope with the small sample problems, and the better learning generalization ability can be obtained. |
| |
| Keywords: | SRM principle machine learning Walsh aproaximation |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
