深度神经网络逼近中不连续权重选择的量化优势
神经与进化计算
2017-05-04 v1
摘要
我们考虑利用固定宽度的深度ReLU网络对一维Lipschitz函数进行逼近。我们证明，在不假设连续权重选择的情况下，一致逼近误差比在该假设下至少低一个关于网络规模的对数因子。
引用
@article{arxiv.1705.01365,
title = {Quantified advantage of discontinuous weight selection in approximations with deep neural networks},
author = {Dmitry Yarotsky},
journal= {arXiv preprint arXiv:1705.01365},
year = {2017}
}
备注
12 pages, submitted to J. Approx. Theory