待验证50% 置信事实精确时间
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
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71% 相似待验证上界网络规模对Dropout保留概率p呈p^{-9}的九次方依赖，保留概率越低所需网络规模急剧膨胀66% 相似待验证Barnes-Hut 优化通过空间八叉树将远距离节点群近似为单一质心，将计算复杂度从 O(N²) 降低到 O(N log N)65% 相似待验证Softmax函数将神经网络logits压缩为概率分布，但其输出值在大规模模型中系统性偏离真实贝叶斯后验概率64% 相似待验证ε预测在大嵌入维度下容易数值不稳定，因为当α_bar_t接近零时缩放系数1/sqrt(α_bar_t)趋于无穷大放大预测误差63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/975783API
curl https://kongchang.com/api/v1/knowledge/claims/975783MCP
get_claim(id=975783)