.png){kind=icon}
返回
Some Density Theorems in Neural Network with Variable Exponent
.png){kind=icon}
PRE
AI
DOI：10.1007/s00009-025-02935-x.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文中，我们将若干最初在标准Lp范数背景下建立的逼近定理推广到变指数空间的更一般框架。我们的研究受神经网络应用的启发，因为在神经网络中，函数逼近起着关键作用。除了这些推广外，我们还为某些关于通用逼近性质的相关已知结果提供了替代证明。特别是，我们以变指数空间为例进行说明，展示了我们方法更广泛的适用性。尽管本文回顾了许多已知结果，但它是自洽的。通过运用傅里叶分析，给出了新的证明。
Keyword:
Squashing functions
density
Fourier transform
variable exponent
期刊
M
IF:
1.2
论文数:
179
被引数:
0
机构
暂无机构信息
引用论文
.png){kind=icon}
分享收藏
查看更多内容