[논문 리뷰] On the $L^p$-Convergence and Denoising Performance of Durrmeyer-Type Max-Min Neural Network Operators

Berke Şahin, İsmail Aslan|arXiv (Cornell University)|2026. 01. 24.

Neural Networks and Applications인용 수 0

한 줄 요약

논문은 Durrmeyer-type 일반화의 max-min 신경망 연산자를 도입하고, 이들의 L^p 공간 수렴을 증명하며, 수렴 속도를 도출하고, Kantorovich-type 및 일반 max-min 연산자에 비해 향상된 매끄러움과 노이즈 제거 성능을 보임을 보인다.

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.

연구 동기 및 목표

• 비근사 이론에서 비선형, 비동질성 신경망 연산자를 동기 부여하고 연구한다.
• Kantorovich-type max-min 연산자의 Durrmeyer-type 일반화를 도입하고 L^p 공간에서의 수렴을 분석한다.
• 점별 수렴, 상한(최댓값) 수렴, 그리고 정량적 속도 추정의 L^p 수렴을 확립한다.
• Numerical experiments를 통해 Durrmeyer-type 연산자의 매끄러움과 denoising 이점을 보여준다.
• 신호 분석에서의 필터링 성능을 평가하고 관련 연산자와 비교한다.

제안 방법

• Durrmeyer-type max-min 신경망 연산자를 정의하고 분모에 대한 하한 및 양성성 특성으로 잘 정의될 수 있음을 확립한다.
• [a,b]에서 연속 함수에 대해 점별 수렴과 sup-노름 수렴을 보인다.
• 1 ≤ p < ∞인 L^p 공간으로의 수렴으로 확장하고 정량적 수렴 속도를 제공한다.
• 연속 모듈러스, 일반화된 절대 모멘트, K-함수 분석 프레임워크를 사용하여 속도 추정치를 유도한다.
• Kantorovich-type 및 표준 max-min 연산자에 비해 더 매끄러운 근사치를 보여주는 수치적 및 그래픽 비교를 제공한다.
• 음성 신호를 포함한 노이즈가 있는 신호에 대한 더 우수한 필터링 성능을 시연한다.

실험 결과

연구 질문

• RQ1 Durrmeyer-type max-min 신경망 연산자는 1 ≤ p < ∞에서 대상 함수 f로의 L^p 수렴을 보이는가?
• RQ2 이들 연산자의 L^p에서의 수렴 속도는 무엇이며, 이는 연속성의 모듈러스와 커널 특성에 어떻게 의존하는가?
• RQ3 실무에서 Durrmeyer-type max-min 연산자의 매끄러움 및 노이즈 제거/필터링 능력은 Kantorovich-type 및 표준 max-min 연산자와 어떻게 비교되는가?
• RQ4 연산자들의 수렴과 안정성을 뒷받침하는 근본적 특성(연속성, 단조성, 부분선형성)은 무엇인가?
• RQ5 이론적 결과를 Durrmeyer 프레임워크를 통해 가중치가 있는 또는 더 넓은 함수 클래스에 확장할 수 있는가?

주요 결과

• Durrmeyer-type max-min 연산자는 [a,b]의 L^p 공간의 함수에 대해 점별 및 L^p 노름으로 f로 수렴한다.
• 연속 모듈러스와 일반화된 모멘트를 이용하여 수렴 속도에 대한 정량적 속도 추정치를 도출한다.
• 수치 및 그래픽 실험은 Kantorovich-type 및 표준 max-min 연산자에 비해 Durrmeyer-type 연산자가 더 매끄러운 근사치를 보여준다.
• 신호 분석에서의 필터링 성능이 우수하며, 소금-후추 잡음이 있는 음성 신호의 denoising도 포함한다.
• 이론적 결과는 커널 및 시그모이드 활성 함수 특성에 의존하며, 커널의 확률적 합성-분해 및 1로의 수렴성을 보장한다.