[論文レビュー] On the $L^p$-Convergence and Denoising Performance of Durrmeyer-Type Max-Min Neural Network Operators

Berke Şahin, İsmail Aslan|arXiv (Cornell University)|Jan 24, 2026

Neural Networks and Applications被引用数 0

ひとこと要約

本論文は max-min ニューラルネット演算子の Durrmeyer 型一般化を提案し、それらの L^p 空間での収束性を証明し、収束速度を導出し、 Kantorovich 型および標準の max-min 演算子と比較した場合の平滑化・ノイズ除去性能の改善を示す。

ABSTRACT

In this paper, we investigate Durrmeyer-type generalizations of maximum-minimum neural network operators. The primary objective of this study is to establish the convergence of these operators in the $L^{p}$ norm for functions $f\in L^{p}([a,b],[0,1])$ with $1\leq p<\infty$. To this end, we analyze the properties of sigmoidal functions and maximum-minimum operations, subsequently establishing the convergence of the proposed operator in pointwise, supremum, and $L^{p}$ norms. Furthermore, we derive quantitative estimates for the rates of convergence. In the applications section, numerical and graphical examples demonstrate that the proposed Durrmeyer-type operators provide smoother approximations compared to Kantorovich-type and standard max-min operators. Finally, we highlight the superior filtering performance of these operators in signal analysis, validating their effectiveness in both approximation and data processing tasks.

研究の動機と目的

• 近似理論における非線形・非均質なニューラルネット演算子の動機付けと研究。
• Kantorovich 型 max-min 演算子の Durrmeyer 型一般化を導入し、それらの L^p 空間での収束を解析。
• 点収束、上限ノルム収束、および定量的な速度推定を確立。
• 数値実験を通じて Durrmeyer 型演算子の滑らかさとノイズ除去の利点を示す。
• 信号解析におけるフィルタリング性能を評価し、関連演算子と比較。

提案手法

• Durrmeyer 型 max-min ニューラルネット演算子を定義し、分母の下限と正性特性を用いて適切性を確立。
• 区間 [a,b] 上の連続関数に対する点収束とノルム上の収束（ sup-norm ）を示す。
• 1 ≤ p < ∞ の L^p 空間への収束を拡張し、定量的な収束速度を提供。
• 連続性のモジュulus、一般化モーメント、および K-機能フレームワークを用いて速度推定を導出。
• Kantorovich 型および標準の max-min 演算子よりも滑らかな近似を示す数値・グラフ的比較を提供。
• スペクトル・サルツピアノ噪声を含む信号に対する優れたフィルタリング性能を実証。

実験結果

リサーチクエスチョン

• RQ1 Durrmeyer 型 max-min ニューラルネット演算子は 1 ≤ p < ∞ においてターゲット関数 f に対して L^p 空間で収束するか。
• RQ2 これらの演算子の L^p における収束速度はどのようになり、滑らかさ（連続性のモジュulus）と核の性質にどう依存するか。
• RQ3 実務的には Durrmeyer 型演算子の滑らか化・ノイズ除去/フィルタリング特性は Kantorovich 型および標準の max-min 演算子と比べてどうか。
• RQ4 これらの演算子の基本的性質（連続性、単調性、下限性）と収束性・安定性を支える性質は何か。
• RQ5 理論結果を Durrmeyer フレームワークを通じて重み付き・より広い関数類へ拡張できるか。

主な発見

• Durrmeyer 型 max-min 演算子は [a,b] 上の L^p に属する関数に対して点収束および L^p ノルム収束を達成する。
• 連続性のモジュulusと一般化モーメントを用いて収束速度を定量的に示す。
• 数値・グラフ的実験により、 Kantorovich 型および標準の max-min 演算子よりも Durrmeyer 型演算子による近似がより滑らかになることを示す。
• 信号解析におけるフィルタリング性能が優れており、サルツピアノノイズを含む音声信号のノイズ除去を含むケースで効果を示す。
• 理論的結果はカーネルとシグモイド活性化関数の性質に依存し、正性・総和を1にする性質およびカーネルの漸近的減衰を確保する。