Når det er sagt, kan de tilnærmet en diskontinuerlig funksjon vilkårlig tett. For eksempel kan tungsidefunksjonen, som er 0 for x=0, tilnærmes med sigmoid(lambdax), og tilnærmingen blir bedre etter hvert som lambda går mot uendelig.
Kan nevrale nettverk lære diskontinuerlige funksjoner?
Et trelags nevr alt nettverk kan representere enhver diskontinuerlig multivariat funksjon. … I denne artikkelen beviser vi at ikke bare kontinuerlige funksjoner, men også alle diskontinuerlige funksjoner kan implementeres av slike nevrale nettverk.
Kan et nevr alt nettverk tilnærme noen funksjon?
The Universal Approximation Theorem sier at et nevr alt nettverk med 1 skjult lag kan tilnærme enhver kontinuerlig funksjon for innganger innenfor et spesifikt område. Hvis funksjonen hopper rundt eller har store hull, vil vi ikke kunne anslå den.
Hvilket nevrale nettverk kan tilnærme enhver kontinuerlig funksjon?
Opsummert er en mer presis uttalelse av universalitetsteoremet at nevrale nettverk med et enkelt skjult lag kan brukes til å tilnærme enhver kontinuerlig funksjon til ønsket presisjon.
Kan nevrale nettverk løse problemer?
I dag brukes nevrale nettverk til løsning av mange forretningsproblemer som for eksempel salgsprognoser, kundeundersøkelser, datavalidering og risikostyring. For eksempel på Statsbot vibruk nevrale nettverk for tidsserieprediksjoner, avviksdeteksjon i data og naturlig språkforståelse.
