机译:离散单元的窄置信网络的通用逼近深度和误差
Department of Mathematics, Pennsylvania State University, University Park, PA 16802, U.S.A. montufar@mis.mpg.de;
机译:具有高斯隐藏单元作为通用逼近的分层神经网络
机译:深而窄的S型信念网络是通用近似器
机译:完善深信任网络和受限玻尔兹曼机的通用逼近结果
机译:使用动态递归神经网络的通用逼近:离散时间版本
机译:二维离散坐标法的节点和短特征空间近似的误差估计
机译:具有泄漏分布和概率测量延迟的离散时间随机遗传管理网络的状态变量逼近:一个鲁棒的稳定性问题
机译:具有离散单元的窄信念网络的通用逼近深度和误差
机译:利用磁通量的球谐函数展开研究网格中心有限差分近似与传输方程的离散化误差