English(EN) Recurrent neural networks approximate continuous functions

研究表明，循环神经网络可以用固定权重逼近连续函数

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-18 15:03

研究人员证明，循环神经网络（RNN）可以均匀逼近闭区间上的任何连续函数。这是通过允许网络运行更长时间来实现的，而不是需要新的网络来提高准确性。该研究引入了一个新模型——具有神经单元的图灵机（TMNU），它将算法自由度与RNN模拟能力相结合，从而实现了与多项式逼近相关的收敛速度。研究结果得到了最小最大下界的支撑，表明运行时是这种固定网络逼近方法中必不可少的资源。 AI

影响为RNN逼近复杂函数奠定了理论基础，可能影响未来的模型设计和理解。

排序理由学术论文，详细介绍了神经网络逼近能力的理论进展。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Helmut Bölcskei · 2026-06-18 15:03

循环神经网络逼近连续函数

Classical approximation theorems ask for a new neural network whenever the target accuracy is improved. This paper studies the opposite possibility: can the network be chosen once and for all, and can accuracy be bought only by letting it run longer? We prove that this is possibl…

报道来源 [1]

循环神经网络逼近连续函数

相关实体

相关话题