关于神经网络的性能

  统计/机器学习 深度学习 人工神经网络    浏览次数: 153
0

最近再看周志华的《机器学习》,其中神经网络一章提到,原文我记不清了,大意是说:数学上已经证明:只要你深度足够深,参数挑的足够合适,一个神经网络是可以拟合出任意可能的判决形式的;


本人菜鸡,深度学习做得比较少,想问问深度学习大神们怎么看这句话。

 

tianjiayang0711   2018-08-24 20:40



   1个回答 
2

你说的应该是Universal approximation theorem的引申。

Universal approximation theorem是说对于一个前馈神经网络,哪怕只有一个隐藏层,它也能无限逼近任何有界连续函数。

strong.man   2018-08-24 20:44

谢谢老哥 - tianjiayang0711   2018-08-25 02:17


  相关主题

dropout rate一般设置多大?   3回答

训练神经网络中经常提到的epoch是什么意思   2回答

deep learning中的pooling是什么意思?   6回答

深度学习和人工神经网络是一回事吗?   1回答

神经网络中的dense和sparse是什么意思?   2回答

神经网络中的gradient check是什么意思?   2回答

神经网络中的Dropout和Bagging   1回答

前馈神经网络如何选择隐藏层的数量   2回答

pytorch 的交叉熵损失总是报错,同样的结构改成MSELoss就没有问题   1回答

keras.models.Sequential()是一种什么模型   1回答

mac电脑怎么用ssh远程控制Linux服务器查看可视化结果   1回答

用神经网络做二元分类,输出层用Sigmoid还是Softmax?   3回答



回答问题时需要注意什么?

我们谢绝在回答前讲“生动”的故事。

我们谢绝“这么简单,你自己想”、“书上有的,你认真看”这类的回答;如果你认为对方的提问方式或者内容不妥,你可以直接忽略该问题,不用进行任何作答,甚至可以对该问题投反对票。

我们谢绝答非所问。

我们谢绝自己不会、硬要回答。

我们感激每一个用户在编写答案时的努力与付出!