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。
1个回答
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
相关主题
deep learning中的pooling是什么意思？
6回答
神经网络中的gradient check是什么意思？
2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
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！