学者提出无限维神经网络构造性通用近似理论

2026年10月20日，arXiv公开的一项机器学习研究提出了一种基于高斯加权脊波变换的构造性方法，实现了输入为函数的无限维神经网络在紧集上的通用近似。该方法适用于包括 ReLU 在内的多项式增长连续非多项式激活函数。研究还通过蒙特卡洛采样证明了有限宽度网络具备与维度无关的 $O(N^{-1/2})$ 近似误差界，且相关核心证明已在交互式定理证明工具 Lean 4 中完成了形式化机检。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。