ที่กล่าวว่าพวกเขาสามารถ ประมาณฟังก์ชันที่ไม่ต่อเนื่องอย่างใกล้ชิดโดยพลการ ตัวอย่างเช่น ฟังก์ชันเฮฟวิไซด์ ซึ่งเท่ากับ 0 สำหรับ x=0 สามารถประมาณได้โดย sigmoid(แลมบ์ดาx) และการประมาณจะดีขึ้นเมื่อแลมบ์ดาเข้าสู่ระยะอนันต์
โครงข่ายประสาทสามารถเรียนรู้การทำงานที่ไม่ต่อเนื่องได้หรือไม่
โครงข่ายประสาทสามชั้นสามารถแทนได้ ไม่ต่อเนื่องใดๆ ฟังก์ชันพหุตัวแปร … ในบทความนี้ เราพิสูจน์ว่าไม่เพียงแต่ฟังก์ชันต่อเนื่องแต่ฟังก์ชันที่ไม่ต่อเนื่องทั้งหมดยังสามารถใช้งานได้โดยโครงข่ายประสาทเทียมดังกล่าว
โครงข่ายประสาทเทียมสามารถประมาณฟังก์ชันใด ๆ ได้หรือไม่
ทฤษฎีบทการประมาณสากลระบุว่า โครงข่ายประสาทเทียมที่มี 1 เลเยอร์ที่ซ่อนอยู่ สามารถประมาณฟังก์ชันต่อเนื่องใดๆ สำหรับอินพุตภายในช่วงที่กำหนด หากฟังก์ชันกระโดดไปรอบๆ หรือมีช่องว่างขนาดใหญ่ เราจะไม่สามารถประมาณค่าได้
โครงข่ายประสาทใดที่สามารถประมาณฟังก์ชันต่อเนื่องใดๆ ได้
โดยสรุป คำสั่งที่แม่นยำยิ่งขึ้นของทฤษฎีบทที่เป็นสากลคือ โครงข่ายประสาทเทียมที่มีเลเยอร์ที่ซ่อนอยู่เพียงชั้นเดียว สามารถใช้ในการประมาณฟังก์ชันต่อเนื่องใดๆ กับความแม่นยำที่ต้องการ
โครงข่ายประสาทแก้ปัญหาได้ไหม
วันนี้ โครงข่ายประสาทเทียมถูกใช้เพื่อ แก้ปัญหาทางธุรกิจมากมาย เช่น การพยากรณ์การขาย การวิจัยลูกค้า การตรวจสอบความถูกต้องของข้อมูล และการจัดการความเสี่ยง ตัวอย่างเช่น ที่ Statsbot เราใช้โครงข่ายประสาทเทียมสำหรับการคาดคะเนอนุกรมเวลา การตรวจจับความผิดปกติในข้อมูล และความเข้าใจภาษาธรรมชาติ