arXiv · ML· Sho Sonoda, Luca Galimberti, Yuanchao Xu, Isao Ishikawa, Masahiro Ikeda·· 6 小时前AI 评分25
通过加权Ridgelet变换构造无限维神经网络的通用逼近性
Constructive Universal Approximation by Infinite-Dimensional Neural Networks via Gaussian-Weighted Ridgelet Transform
AI 导读
该文将Ridgelet变换推广至分离无限维Hilbert空间，使用齐次Gaussian权重替代不可用的Lebesgue测度。该构造为连续非多项式增长激活函数提供了紧集上的一致逼近，并为全局Lipschitz激活函数给出了误差为O(N^{-1/2})的有限宽度网络。 论文在Lean 4中实现了机器可验证的证明。
来源：arXiv · ML · arxiv.org