跳到主要内容
登录

解析函数深度神经网络逼近的指数收敛性

  • 文章
  • 国家自然科学基金资助项目进展
  • 出版:
科学中国数学 目标和范围 提交手稿

摘要

我们证明了对于低维解析函数,深度神经网络逼近的收敛速度是指数的。

这是订阅内容的预览,通过机构登录 以检查访问。

访问此文章

价格包括增值税(中国)

即时访问完整的文章PDF。

机构认购

其他人正在查看类似内容

玛丽安·德米特里西恩(Marian Dmytryshyn)和奥利赫·洛普桑斯基(Oleh Lopusansky)

工具书类

  1. Barron A R.S形函数叠加的通用近似界。IEEE Trans Inform Theory,1993,39:930–945

    第条 数学科学网 数学 谷歌学者 

  2. Cybenko G.通过S形函数的叠加进行逼近。数学控制信号系统,1989,2:303–314

    第条 数学科学网 数学 谷歌学者 

  3. Liang S,Srikant R.为什么使用深度神经网络进行函数逼近?ArXiv:1610.04161016年

    谷歌学者 

  4. 卢Z,浦H,王峰,等。神经网络的表达能力:从宽度的角度看。摘自:《神经信息处理系统进展》,第30卷。长滩:神经信息处理系统基金会,2017年,6232–6240

    谷歌学者 

  5. Montanelli H,Du Q.深层ReLU网络减轻了维度的诅咒。ArXiv:1712.086882017年

    谷歌学者 

  6. Poggio T、Mhaskar H、Rosasco L等,深度而非浅层网络为何以及何时可以避免维度诅咒:综述。国际自动化计算杂志,2017年,14:503–519

    第条 谷歌学者 

  7. Telgarsky M.神经网络深度的好处。ArXiv:1602.044852016年

    谷歌学者 

  8. Yarotsky D.深相关网络近似的误差界。神经网络,2017,94:103–114

    第条 谷歌学者 

下载参考资料

致谢

这项工作得到了海军研究办公室(ONR)(批准号N00014-13-0338)和国家自然科学基金重大项目(批准号91130005)的支持。作者感谢赵马在本书早期的有益讨论。作者也感谢徐金超的兴趣,这促使我们撰写本文。

作者信息

作者和附属机构

作者

通讯作者

与的通信渭南E.

其他信息

在李大仙教授80岁生日之际致辞

权利和权限

转载和许可

关于本文

检查更新。通过CrossMark验证货币和真实性

引用这篇文章

E、 W.,Wang,Q.解析函数深度神经网络逼近的指数收敛性。科学。中国数学。 61, 1733–1740 (2018). https://doi.org/10.1007/s11425-018-9387-x

下载引文

  • 收到:

  • 认可的:

  • 出版:

  • 发布日期:

  • 内政部:https://doi.org/10.1007/s11425-018-9387-x

关键词

MSC(2010)

导航