Unverified50% confidenceFactExact time
通用近似定理由George Cybenko于1989年证明，指出只要层数和神经元足够多，神经网络可以以任意精度逼近任何连续函数
1
Sources
50%
Confidence
Long-term
Relevance
7/21/2026
First Seen
Sources
Related Claims
Verified通用近似定理由数学家Cybenko于1989年针对Sigmoid激活函数给出严格证明77% similarUnverifiedCybenko的原始证明利用了Hahn-Banach定理来证明神经网络所张成的函数子空间在连续函数空间C(K)中稠密73% similarUnverified万能近似定理（Universal Approximation Theorem）由George Cybenko在1989年首次证明，针对Sigmoid激活函数68% similarUnverifiedElhage等人在2022年的超级位置（Superposition）假说论文中阐释了多义性现象：网络在有限维度中编码远超维度数量的特征导致单个神经元响应多个概念67% similarUnverified预测性编码理论由神经科学家卡尔·弗里斯顿在赫尔姆霍兹早期感知理论基础上系统化发展62% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/582544API
curl https://kongchang.com/api/v1/knowledge/claims/582544MCP
get_claim(id=582544)