宽神经网络高斯近似从有限样本提升为泛函收敛

Luis Wiederhold、Nil Ayday 与 Debarghya Ghoshdastidar 在 arXiv 论文（2610.18166v1）中，将宽随机初始化神经网络的高斯近似从固定有限样本集上的界推广到泛函层面的收敛界，并通过按样本度量误差使收敛常数不随样本数增长。 基于论文摘要，作者报告：在多项式激活函数和紧输入集条件下，得到上确界范数下 m^{-1/2} 的收敛率及显式常数。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。