神经网络为什么可以（理论上）拟合任何函数？
fourier 变换 问题来了为啥要deep呢？ 答案在这里 居然特别简单 deep了你有高频的震荡了你可以efficient 的locally逼近x^2 然后就有所有local的逼近多项式了 local polynomial在holder和sobolev space是optimal的 我们就扩大了空间了 【这篇paper发在很一般期刊上而且题目不吸引人我一直忘记 求好心人给reference 感
相关文章
- 1. 神经网络为何能够（理论上）拟合任何函数？
- 2. 神经网络是如何拟合任意函数的
- 3. 从实践看神经网络拟合任何函数
- 4. 可视化证明神经网络可以计算任何函数
- 5. 为什么神经网络需要非线性激活函数
- 6. 为什么神经网络中需要激活函数（activation function）？
- 7. 为什么我们的神经网络需要激活函数
- 8. 神经网络为何非激活函数不可？
- 9. 什么是神经网络
- 10. 什么是神经网络？
- 更多相关文章...
- • CAP理论是什么？ - NoSQL教程
- • 以太网是什么？ - TCP/IP教程
- • 互联网组织的未来：剖析GitHub员工的任性之源
- • 为了进字节跳动，我精选了29道Java经典算法题，带详细讲解
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章