知识卡片
神经网络的逼近能力
神经网络可通过组合简单函数及非线性变换,逼近目标连续函数。逼近定理描述模型表达能力;它本身不保证训练算法能找到所需参数,也不保证收敛速度。实际建模还要面对优化与计算资源约束。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 欢迎来到深度学习的世界 · 查看原书依据
总体来说,全局逼近定理的重要性在于,它为使用神经网络来解决各种各样的非线性和高维问题提供了理论基础,证明了其在各种领域应用的可能性。然而,定理本身并不保证找到这样的近似解是容易的,也不保证学习过程的效率和收敛性,这些都是实际应用中的挑战。
参考来源
- 位置:《破解深度学习(基础篇)_模型算法与实现》第1章《欢迎来到深度学习的世界》(来源项目 book-source:`extracted/破解深度学习(基础篇)_模型算法与实现/_epub-src/EPUB/xhtml/qz03_0004.xhtml`)
- 结论依据:原文在对应小节解释该机制和适用边界。
- 原始内容:总体来说,全局逼近定理的重要性在于,它为使用神经网络来解决各种各样的非线性和高维问题提供了理论基础,证明了其在各种领域应用的可能性。然而,定理本身并不保证找到这样的近似解是容易的,也不保证学习过程的效率和收敛性,这些都是实际应用中的挑战。