Dat gezegd hebbende, kunnen ze een discontinue functie willekeurig dicht benaderen. De heaviside-functie, die 0 is voor x=0, kan bijvoorbeeld worden benaderd door sigmoid(lambdax) en de benadering wordt beter naarmate lambda naar oneindig gaat.
Kunnen neurale netwerken discontinue functies leren?
Een neuraal netwerk met drie lagen kan elke discontinue multivariate functie vertegenwoordigen. … In dit artikel bewijzen we dat niet alleen continue functies, maar ook alle discontinue functies kunnen worden geïmplementeerd door dergelijke neurale netwerken.
Kan een neuraal netwerk elke functie benaderen?
De universele benaderingsstelling stelt dat een neuraal netwerk met 1 verborgen laag elke continue functie kan benaderen voor invoer binnen een specifiek bereik. Als de functie rondspringt of grote gaten heeft, kunnen we deze niet benaderen.
Welk neuraal netwerk kan elke continue functie benaderen?
Samenvattend, een meer nauwkeurige verklaring van de universaliteitsstelling is dat neurale netwerken met een enkele verborgen laag kunnen worden gebruikt om elke continue functie met elke gewenste precisie te benaderen.
Kunnen neurale netwerken elk probleem oplossen?
Vandaag de dag worden neurale netwerken gebruikt voor het oplossen van veel zakelijke problemen zoals verkoopprognoses, klantonderzoek, gegevensvalidatie en risicobeheer. Bij Statsbot hebben we bijvoorbeeldneurale netwerken toepassen voor voorspellingen van tijdreeksen, anomaliedetectie in gegevens en begrip van natuurlijke taal.
