通用近似定理

出自維基百科,自由嘅百科全書

通用近似定理universal approximation theorem)係有關人工神經網絡嘅一條定理:喺數學上嚟講,一個人工神經網絡係一個函數),而機械學習演算法做嘅嘢係想令 嘅輸入輸出盡可能噉接近現實世界嘅數據產生過程 ,令個神經網絡能夠準確噉由輸入計個預想嘅輸出值出嚟。通用近似定理主張人工神經網絡具有通用性(universality)-「無論 係乜嘢樣,都梗會有個神經網絡架構能夠做到接近 [1]

[編輯]