具有2个未知输出的神经网络的监督训练是可能的,其中存在诸如已知参数(y,x)和未知数(a,b)之间的y = a.x ^ b之类的关系。这里(a,b)是网络的输出!!!
答案 0 :(得分:1)
the universal approximation theorem的直接结果是从R^d
的紧凑子集到k
- 维超立方体的任何连续函数可以用标准前馈近似给定误差范围eps
的神经网络。
所以用简单的话来说 - 实际上每个函数都可以使用神经网络进行训练,这并不意味着在实践中任何算法都会实际执行此操作(这纯粹是存在证据,它没有直觉“在哪里看”)。
因此,如果你的问题是“是否有可能训练一个能够使我的功能近似的网络?”答案是是,如果问题是“是否有可能使神经网络代表完全我的功能”那么答案是是,但给定自定义激活功能强>