待验证50% 置信事实精确时间
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
1
来源数
50%
置信度
长期有效
时效性
2026/10/5
首次发现
来源
涉及实体
相关事实
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% 相似待验证神经网络推理的性能往往受限于内存带宽（memory-bound）而非算力（compute-bound）73% 相似待验证仅无约束地最大化SWD会导致神经网络扭曲数据结构得到退化解，因此需引入几何约束在分离性与保真度之间权衡71% 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71% 相似待验证MPC在每个时间步求解有限时域优化问题并显式处理硬约束，这是端到端神经网络难以可靠保证的特性71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/975780API
curl https://kongchang.com/api/v1/knowledge/claims/975780MCP
get_claim(id=975780)