会员服务
近似 · Neural Networks · Networking · 泛函 · 正则化项 ·
2021 年 2 月 25 日
Quantitative approximation results for complex-valued neural networks
翻译：具有复杂价值的神经网络的定量近似结果
A. Caragea,D. G. Lee,J. Maly,G. Pfander,F. Voigtlaender
A. Caragea,D. G. Lee,J. Maly,G. Pfander,F. Voigtlaender

We show that complex-valued neural networks with the modReLU activation function $\sigma(z) = \mathrm{ReLU}(|z| - 1) \cdot z / |z|$ can uniformly approximate complex-valued functions of regularity $C^n$ on compact subsets of $\mathbb{C}^d$, giving explicit bounds on the approximation rate.


翻译：我们显示,具有modReLU激活功能的复杂价值神经网络 $\ sigma(z) =\ mathrm{ReLU}( ⁇ z ⁇ - 1)\ cdott z / ⁇ z ⁇ $($z ⁇ $) 的复合价值神经网络,可以统一使用常规性复杂价值功能的近似值,即$\ mathbb{C ⁇ d$,对近似率有明确的界限。
0
下载
关闭预览

相关内容

神经常微分方程教程，50页ppt，A brief tutorial on Neural ODEs
神经常微分方程教程，50页ppt，A brief tutorial on Neural ODEs
专知会员服务
72+阅读 · 2020年8月2日
【深度学习社区检测】Deep Learning for Community Detection: Progress, Challenges and Opportunities
【深度学习社区检测】Deep Learning for Community Detection: Progress, Challenges and Opportunities
专知会员服务
27+阅读 · 2020年6月13日
图像分类技巧集，17页ppt《Bag of Tricks for Image Classification》
图像分类技巧集，17页ppt《Bag of Tricks for Image Classification》
专知会员服务
94+阅读 · 2020年3月12日
【牛津大学】深度残差强化学习，Deep Residual Reinforcement Learning
【牛津大学】深度残差强化学习，Deep Residual Reinforcement Learning
专知会员服务
83+阅读 · 2020年2月18日
【深度学习架构、模型和技巧集合(TensorFlow/PyTorch)】’Deep Learning Models - A collection of various deep learning architectures, models, and tips'
【深度学习架构、模型和技巧集合(TensorFlow/PyTorch)】’Deep Learning Models - A collection of various deep learning architectures, models, and tips'
专知会员服务
56+阅读 · 2020年1月25日
TensorFlow深度学习，从线性回归到强化学习的深度学习（TensorFlow for Deep Learning From Linear Regression to Reinforcement Learning），附页256页pdf
TensorFlow深度学习，从线性回归到强化学习的深度学习（TensorFlow for Deep Learning From Linear Regression to Reinforcement Learning），附页256页pdf
专知会员服务
44+阅读 · 2020年1月1日
【北京智源大会2019】 神经网络的优化Optimization for Overparametrized Deep Neural Networks，北京大学 | 王立威
【北京智源大会2019】 神经网络的优化Optimization for Overparametrized Deep Neural Networks，北京大学 | 王立威
专知会员服务
22+阅读 · 2019年11月21日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
34+阅读 · 2019年10月17日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
56+阅读 · 2019年10月17日
MIT新书《强化学习与最优控制》
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
图机器学习 2.2-2.4 Properties of Networks, Random Graph
图机器学习 2.2-2.4 Properties of Networks, Random Graph
图与推荐
10+阅读 · 2020年3月28日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Disentangled的假设的探讨
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【推荐】RNN/LSTM时序预测
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【学习】Hierarchical Softmax
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习族谱
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
强化学习 cartpole_a3c
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Neural Network Approximation: Three Hidden Layers Are Enough
Arxiv
0+阅读 · 2021年4月19日
Linear-time uniform generation of random sparse contingency tables with specified marginals
Arxiv
0+阅读 · 2021年4月19日
Infinite GMRES for parameterized linear systems
Arxiv
0+阅读 · 2021年4月19日
A Mathematical Analysis of Learning Loss for Active Learning in Regression
Arxiv
0+阅读 · 2021年4月19日
On the approximation of functions by tanh neural networks
Arxiv
0+阅读 · 2021年4月18日
Low-rank State-action Value-function Approximation
Arxiv
0+阅读 · 2021年4月18日
Solving Bang-Bang Problems Using The Immersed Interface Method and Integer Programming
Arxiv
0+阅读 · 2021年4月17日
Iterative Collaborative Filtering for Sparse Matrix Estimation
Iterative Collaborative Filtering for Sparse Matrix Estimation
Arxiv
0+阅读 · 2021年4月16日
Fully Bayesian inference for spatiotemporal data with the multi-resolution approximation
Arxiv
0+阅读 · 2021年4月15日
Single-Exponential Time 2-Approximation Algorithm for Treewidth
Arxiv
0+阅读 · 2021年4月15日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
近似
Neural Networks
Networking
泛函
正则化项
相关VIP内容
神经常微分方程教程，50页ppt，A brief tutorial on Neural ODEs
神经常微分方程教程，50页ppt，A brief tutorial on Neural ODEs
专知会员服务
72+阅读 · 2020年8月2日
【深度学习社区检测】Deep Learning for Community Detection: Progress, Challenges and Opportunities
【深度学习社区检测】Deep Learning for Community Detection: Progress, Challenges and Opportunities
专知会员服务
27+阅读 · 2020年6月13日
图像分类技巧集，17页ppt《Bag of Tricks for Image Classification》
图像分类技巧集，17页ppt《Bag of Tricks for Image Classification》
专知会员服务
94+阅读 · 2020年3月12日
【牛津大学】深度残差强化学习，Deep Residual Reinforcement Learning
【牛津大学】深度残差强化学习，Deep Residual Reinforcement Learning
专知会员服务
83+阅读 · 2020年2月18日
【深度学习架构、模型和技巧集合(TensorFlow/PyTorch)】’Deep Learning Models - A collection of various deep learning architectures, models, and tips'
【深度学习架构、模型和技巧集合(TensorFlow/PyTorch)】’Deep Learning Models - A collection of various deep learning architectures, models, and tips'
专知会员服务
56+阅读 · 2020年1月25日
TensorFlow深度学习，从线性回归到强化学习的深度学习（TensorFlow for Deep Learning From Linear Regression to Reinforcement Learning），附页256页pdf
TensorFlow深度学习，从线性回归到强化学习的深度学习（TensorFlow for Deep Learning From Linear Regression to Reinforcement Learning），附页256页pdf
专知会员服务
44+阅读 · 2020年1月1日
【北京智源大会2019】 神经网络的优化Optimization for Overparametrized Deep Neural Networks，北京大学 | 王立威
【北京智源大会2019】 神经网络的优化Optimization for Overparametrized Deep Neural Networks，北京大学 | 王立威
专知会员服务
22+阅读 · 2019年11月21日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
34+阅读 · 2019年10月17日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
56+阅读 · 2019年10月17日
MIT新书《强化学习与最优控制》
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
热门VIP内容
相关资讯
图机器学习 2.2-2.4 Properties of Networks, Random Graph
图机器学习 2.2-2.4 Properties of Networks, Random Graph
图与推荐
10+阅读 · 2020年3月28日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Disentangled的假设的探讨
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【推荐】RNN/LSTM时序预测
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【学习】Hierarchical Softmax
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习族谱
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
强化学习 cartpole_a3c
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
相关论文
Neural Network Approximation: Three Hidden Layers Are Enough
Arxiv
0+阅读 · 2021年4月19日
Linear-time uniform generation of random sparse contingency tables with specified marginals
Arxiv
0+阅读 · 2021年4月19日
Infinite GMRES for parameterized linear systems
Arxiv
0+阅读 · 2021年4月19日
A Mathematical Analysis of Learning Loss for Active Learning in Regression
Arxiv
0+阅读 · 2021年4月19日
On the approximation of functions by tanh neural networks
Arxiv
0+阅读 · 2021年4月18日
Low-rank State-action Value-function Approximation
Arxiv
0+阅读 · 2021年4月18日
Solving Bang-Bang Problems Using The Immersed Interface Method and Integer Programming
Arxiv
0+阅读 · 2021年4月17日
Iterative Collaborative Filtering for Sparse Matrix Estimation
Iterative Collaborative Filtering for Sparse Matrix Estimation
Arxiv
0+阅读 · 2021年4月16日
Fully Bayesian inference for spatiotemporal data with the multi-resolution approximation
Arxiv
0+阅读 · 2021年4月15日
Single-Exponential Time 2-Approximation Algorithm for Treewidth
Arxiv
0+阅读 · 2021年4月15日
Top
微信扫码咨询专知VIP会员
Top