待验证50% 置信事实精确时间
论文证明，在适当的网络深度和宽度配置下，稠密ReLU网络的收敛速率可以克服维数灾难，达到多项式级别的样本复杂度。
1
来源数
50%
置信度
长期有效
时效性
2026/10/14
首次发现
来源
涉及实体
相关事实
待验证克服维数灾难的结论依赖于条件分布具有一定的光滑性结构（如Hölder光滑）以及对网络深度、宽度与目标函数光滑性之间关系的精细刻画。78% 相似待验证神经网络的普适逼近定理指出，足够宽或足够深的网络可以逼近任意连续函数，但未回答达到特定精度所需的网络规模77% 相似待验证反向传播机制要求整个计算图必须是可微分的，且在极深网络中存在梯度消失/爆炸问题74% 相似待验证论文证明存在常数深度、规模为Õ_{n,d}(p^{-9}ε^{-max{d/n,2}}log(1/δ))的网络，能以至少1-δ概率满足带概率的一致逼近要求72% 相似待验证原始的LISCO采用密集的单体式网络架构，网络规模随预测时域增长而线性膨胀，难以扩展到长时域、大规模问题71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1023496API
curl https://kongchang.com/api/v1/knowledge/claims/1023496MCP
get_claim(id=1023496)