Benaderingseigenschap van dropout-neurale netwerken: Sobolev-snelheden en betrouwbaarheidsgrenzen

arXiv:2610.02253v1 Aankondigingstype: nieuw Abstract: De universele benaderingseigenschap van dropout-neurale netwerken beschrijft op zichzelf niet de netwerkgrootte die nodig is voor een nauwkeurige willekeurige realisatie. In dit werk bestuderen we de benadering van de eenheidsbol van $W^{n,\infty}([0,1]^d)$ door ReLU-netwerken waarvan de kanten onafhankelijk behouden blijven met kans $p$. De benaderingsfout wordt uniform gemeten over het invoerdomein, en de garantie geldt met een kans van ten minste $1-\delta$ voor een afzonderlijke