算子学习理论短程导览：收敛率、统计极限与开放问题

本文调查了算子学习、统计学习理论与逼近论交叉领域的最新进展。首先，它回顾了针对经验风险最小化的误差界，专注于全纯算子和神经网络逼近。随后，通过采用minimax视角并考虑holomorphy之外的各种规律性概念，展示了以样本量为基础的基本性能极限。本文以讨论这两种视角之间的相互作用以及相关开放问题结束。