中文

深度整流器网络对光滑性类的逼近

泛函分析 2022-03-25 v2 机器学习 数值分析 数值分析

摘要

我们考虑在任意维度dd上、一般域中,稀疏连接深度线性整流单元(ReLU)与整流幂单元(RePU)神经网络对Besov空间Bqα(Lp)B^\alpha_{q}(L^p)中函数的逼近速率。我们证明,具有固定激活函数的深度整流器网络在临界嵌入线1/τ=α/d+1/p1/\tau=\alpha/d+1/p上对Besov空间Bτα(Lτ)B^\alpha_{\tau}(L^\tau)中的函数达到最优或近最优逼近速率,其中光滑性阶α>0\alpha>0任意。利用插值理论,这意味着临界线及以上整个光滑性类范围被深度ReLU/RePU网络(近)最优逼近。

关键词

引用

@article{arxiv.2007.15645,
  title  = {Approximation of Smoothness Classes by Deep Rectifier Networks},
  author = {Mazen Ali and Anthony Nouy},
  journal= {arXiv preprint arXiv:2007.15645},
  year   = {2022}
}

备注

To appear in SIAM Journal on Numerical Analysis