神經網絡爲什麼可以（理論上）擬合任何函數？
fourier 變換 問題來了爲啥要deep呢？ 答案在這裏 居然特別簡單 deep了你有高頻的震盪了你可以efficient 的locally逼近x^2 然後就有所有local的逼近多項式了 local polynomial在holder和sobolev space是optimal的 我們就擴大了空間了 【這篇paper發在很一般期刊上而且題目不吸引人我一直忘記 求好心人給reference 感
相關文章
- 1. 神經網絡爲何能夠（理論上）擬合任何函數？
- 2. 神經網絡是如何擬合任意函數的
- 3. 從實踐看神經網絡擬合任何函數
- 4. 可視化證明神經網絡可以計算任何函數
- 5. 爲什麼神經網絡需要非線性激活函數
- 6. 爲什麼神經網絡中需要激活函數（activation function）？
- 7. 爲什麼我們的神經網絡需要激活函數
- 8. 神經網絡爲何非激活函數不可？
- 9. 什麼是神經網絡
- 10. 什麼是神經網絡？
- 更多相關文章...
- • CAP理論是什麼？ - NoSQL教程
- • 以太網是什麼？ - TCP/IP教程
- • 互聯網組織的未來：剖析GitHub員工的任性之源
- • 爲了進字節跳動，我精選了29道Java經典算法題，帶詳細講解
相關標籤/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。
歡迎關注本站公眾號,獲取更多信息
相關文章