用单隐层神经网络逼近紧子集上连续函数的算法
机器学习
2019-02-12 v1 泛函分析
机器学习
摘要
George Cybenko 在 1989 年发表的里程碑式论文表明，存在一个仅含单隐层（及有限个神经元）的前馈神经网络，能够任意逼近单位超立方体上给定的连续函数 。该论文并未探讨如何寻找此类网络的权重/参数，亦未探讨寻找它们是否在计算上可行。本文概述了一种算法，利用恰好包含一个隐层的神经网络来重构任意连续标量值或向量值的连续函数。
引用
@article{arxiv.1902.03638,
title = {An Algorithm for Approximating Continuous Functions on Compact Subsets with a Neural Network with one Hidden Layer},
author = {Elliott Zaresky-Williams},
journal= {arXiv preprint arXiv:1902.03638},
year = {2019}
}
备注
6 pages