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上对Besov空间中的函数达到最优或近最优逼近速率,其中光滑性阶任意。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。
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