《Approximation Capabilities of Multilayer Feedforward Networks》的学习笔记

Posted songyuc

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了《Approximation Capabilities of Multilayer Feedforward Networks》的学习笔记相关的知识,希望对你有一定的参考价值。

1 摘要

作者表明,对于任意有限输入环境数量 μ \\mu μ,只要有足够多的隐藏单元,由单隐藏层和任意有界非常数激活函数构成的多层前馈网络,是关于性能标准度量 L P ( μ ) L^P\\left(\\mu\\right) LP(μ)的万能拟合器。
如果激活函数是连续的、有界的、并且是非常数的,则可以在紧集(有界闭集)上均匀地学习连续映射。作者还给出了一般性条件,以保证神经网络在使用足够平滑的激活函数的情况下能够任意精确地逼近一个函数及其导数。

以上是关于《Approximation Capabilities of Multilayer Feedforward Networks》的学习笔记的主要内容,如果未能解决你的问题,请参考以下文章

Best Rational Approximation( 法里数列)

[Chapter 5] Reinforcement LearningFunction Approximation

[Chapter 5] Reinforcement LearningFunction Approximation

[Chapter 5] Reinforcement LearningFunction Approximation

ARC-100 C - Linear Approximation

n!的近似值 (stirling approximation)与 大O记法(big -O- notation)