浅层神经网络混合Sobolev空间逼近率研究
热点事件持续更新
浅层神经网络混合Sobolev空间逼近率研究
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Yuwen Li 与 Guozhi Zhang 发表论文，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。 该原理称：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}，至多相差对数因子。
AI 根据报道生成 · 2 小时前更新
最新进展10月8日 12:00
浅层神经网络在混合 Sobolev 空间中的逼近研究报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv cs.LG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）。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。