浅层神经网络在混合 Sobolev 空间中的逼近研究

研究用 n 个神经元、通用激活函数的浅层神经网络对混合 Sobolev 空间的最优 L2 逼近，提出与激活函数无关的 Fourier-block 原理：若激活函数具有单变量逼近阶 ρ，则对混合光滑度 α 的目标函数，全局逼近率为 min{α,ρ}（至多差对数因子）。