Slovník výrazov AI/Základy strojového učenia

Základy strojového učenia

veta o univerzálnej aproximácii

Anglický výraz universal approximation theorem

špecializovanéheslo č. 915 otázok a odpovedí2 odborné zdroje

Presná definícia

Čo znamená veta o univerzálnej aproximácii?

Veta o univerzálnej aproximácii je rodina výsledkov dokazujúcich, že neurónová sieť s vhodnou nelineárnou aktiváciou a dostatočnou šírkou či hĺbkou dokáže na kompaktnej oblasti ľubovoľne presne aproximovať širokú triedu funkcií. Ide o existenčné tvrdenie. Neurčuje potrebný počet neurónov, spôsob nájdenia váh, numerickú stabilitu, množstvo dát ani výkon mimo aproximačnej oblasti.

Skúsenosť a kontext

Ako sa pojem používa v praxi

Pri návrhu regulátora možno vetou odôvodniť, že zvolená sieťová rodina nie je zásadne neschopná vyjadriť hladké nelineárne mapovanie. Architektúra sa však volí podľa dát, invariancií a výpočtových obmedzení; tréning sa kontroluje na validácii a bezpečnosť mimo pozorovaného rozsahu sa rieši osobitne. Ak sieť zlyhá, veta neukazuje, či chýba šírka, dáta, vhodná optimalizácia alebo identifikovateľný signál. Pre nasadenie sú dôležitejšie konečné hranice chyby, robustnosť a pokrytie prevádzkových stavov než abstraktná existencia aproximácie.

Overiteľnosť

Odborné zdroje

  1. MIT · Universal Approximationgradml.mit.edu
  2. Hornik et al. · Universal Approximatorssciencedirect.com

Praktické odpovede

Často kladené otázky

Čo veta zaručuje?

Existenciu siete s ľubovoľne malou aproximačnou chybou za daných podmienok.

Zaručuje, že gradientný zostup sieť nájde?

Nie, existenčný dôkaz nie je algoritmom učenia.

Určuje potrebný počet príkladov?

Nie; štatistická zložitosť je samostatná otázka.

Platí záruka pri extrapolácii?

Nie automaticky, typicky sa formuluje na kompaktnej oblasti.

Znamená aproximovať presne to isté ako zovšeobecniť?

Nie; reprezentovateľnosť funkcie nehovorí o jej odhade z konečných dát.