.png){kind=icon}
返回
Constructive approximation in mixed-norm spaces
.png){kind=icon}
PRE
AI
DOI：10.1007/s13324-026-01204-8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
混合范数空间的概念已在诸如调和分析等领域引起显著兴趣。此外，通过采样级数进行函数逼近的问题在逼近理论中尤为引人注目。本文研究了多种混合范数函数空间中的逼近问题。我们利用Kantorovich型采样算子族作为Lebesgue空间L-(P) over right arrow (R-n)（其中(P) over right arrow = (p(1), p(2), ..., p(n)））和Orlicz空间L-(Phi) over right arrow -> (R-n)（其中Phi -> = phi(1), phi(2), ..., phi(n)，且每个phi(i)为Orlicz函数（定义在2节））中函数的逼近器。Orlicz空间是一个包含许多重要函数空间的广义家族。我们在这些混合范数空间的框架下建立了广义和Kantorovich型采样算子族的界。此外，我们研究了Kantorovich型采样算子在混合范数Lebesgue和Orlicz空间中的逼近性质。最后，我们提供了若干适当的核的例子，以展示所提出理论的应用性。
Keyword:
Approximation of functions
Kantorovich-type sampling series
Mixed-norm Lebesgue space
Mixed-norm Orlicz space
期刊
A
IF:
1.6
论文数:
87
被引数:
0
机构
引用论文
Strong and weak sharp bounds for neural network operators in Sobolev-Orlicz spaces and their quantitative extensions to Orlicz spaces在Sobolev-Orlicz空间中神经网络算子的强和弱锐界及其到Orlicz空间的定量扩展
OAAI
.png){kind=icon}
OAAI分享收藏Approximation by Max-product neural network operators in function spaces with mixed-norm structure
PREAI
分享收藏
查看更多内容