arXiv 论文将宽神经网络高斯近似提升为函数收敛

arXiv 新论文 arXiv:2610.18166 将宽神经网络的有限样本高斯近似边界提升为函数型边界。作者 Luis Wiederhold、Nil Ayday、Debarghya Ghoshdastidar 采用逐样本度量误差，使常数不随样本数增长。 论文称，在多项式激活函数和任意紧输入集下，该方法给出 sup 范数中 m^{-1/2} 的收敛速率及显式常数。此前已知宽度为 m 的随机初始化神经网络在 m 趋于无穷时收敛到高斯过程，该论文将这类定量刻画从有限样本边界扩展为函数型收敛。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。