Buchumschlag

Minimum Width of Deep Narrow Networks for Universal Approximation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Xiao-Song, Zhou, Qi, Zhou, Xuan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Minimum Width of Leaky-ReLU Neural Networks for Uniform Universal Approximation
von: Li, Li'ang, et al.
Veröffentlicht: (2023)

Universal Approximation Theorem of Deep Q-Networks
von: Qi, Qian
Veröffentlicht: (2025)

Relocation of compact sets in $\mathbb{R}^n$ by diffeomorphisms and linear separability of datasets in $\mathbb{R}^n$
von: Yang, Xiao-Song, et al.
Veröffentlicht: (2026)

Constructive Universal Approximation and Finite Sample Memorization by Narrow Deep ReLU Networks
von: Hernández, Martín, et al.
Veröffentlicht: (2024)

Virtual Width Networks
von: Seed, et al.
Veröffentlicht: (2025)

Expressive Power of Deep Networks on Manifolds: Simultaneous Approximation
von: Zhou, Hanfei, et al.
Veröffentlicht: (2025)

Training Deep Morphological Neural Networks as Universal Approximators
von: Fotopoulos, Konstantinos, et al.
Veröffentlicht: (2025)

Classification with Deep Neural Networks and Logistic Loss
von: Zhang, Zihan, et al.
Veröffentlicht: (2023)

Two-Dimensional Deep ReLU CNN Approximation for Korobov Functions: A Constructive Approach
von: Fang, Qin, et al.
Veröffentlicht: (2025)

Optimal Convergence Rates of Deep Neural Network Classifiers
von: Zhang, Zihan, et al.
Veröffentlicht: (2025)

Loss Gradient Gaussian Width based Generalization and Optimization Guarantees
von: Banerjee, Arindam, et al.
Veröffentlicht: (2024)

Geometric Limits of Knowledge Distillation: A Minimum-Width Theorem via Superposition Theory
von: Sarkar, Nilesh, et al.
Veröffentlicht: (2026)

Universal Approximation Theorem for Deep Q-Learning via FBSDE System
von: Qi, Qian
Veröffentlicht: (2025)

An Infinite-Width Analysis on the Jacobian-Regularised Training of a Neural Network
von: Kim, Taeyoung, et al.
Veröffentlicht: (2023)

Bridging Smoothness and Approximation: Theoretical Insights into Over-Smoothing in Graph Neural Networks
von: Yang, Guangrui, et al.
Veröffentlicht: (2024)

Progressive Approximation in Deep Residual Networks: Theory and Validation
von: Wang, Wei, et al.
Veröffentlicht: (2026)

Adaptive Width Neural Networks
von: Errica, Federico, et al.
Veröffentlicht: (2025)

Channel Estimation by Infinite Width Convolutional Networks
von: Mallik, Mohammed, et al.
Veröffentlicht: (2025)

The Median is Easier than it Looks: Approximation with a Constant-Depth, Linear-Width ReLU Network
von: Dutta, Abhigyan, et al.
Veröffentlicht: (2026)

Mixture of Universal Experts: Scaling Virtual Width via Depth-Width Transformation
von: Chen, Yilong, et al.
Veröffentlicht: (2026)

The Role of Depth, Width, and Tree Size in Expressiveness of Deep Forest
von: Lyu, Shen-Huan, et al.
Veröffentlicht: (2024)

Universal Approximation Constraints of Narrow ResNets: The Tunnel Effect
von: Kuehn, Christian, et al.
Veröffentlicht: (2026)

Towards Cheaper Inference in Deep Networks with Lower Bit-Width Accumulators
von: Blumenfeld, Yaniv, et al.
Veröffentlicht: (2024)

Network Anomaly Traffic Detection via Multi-view Feature Fusion
von: Hao, Song, et al.
Veröffentlicht: (2024)

Flexible Infinite-Width Graph Convolutional Neural Networks
von: Anson, Ben, et al.
Veröffentlicht: (2024)

Infinite Width Limits of Self Supervised Neural Networks
von: Fleissner, Maximilian, et al.
Veröffentlicht: (2024)

Sobolev Approximation of Deep ReLU Networks in Log-Barron Space
von: Song, Changhoon, et al.
Veröffentlicht: (2026)

Neural Networks With Dense Weights Are Not Universal Approximators
von: Rauchwerger, Levi, et al.
Veröffentlicht: (2026)

Quantitative Flow Approximation Properties of Narrow Neural ODEs
von: Elamvazhuthi, Karthik
Veröffentlicht: (2025)

Finite-Dimensional Gaussian Approximation for Deep Neural Networks: Universality in Random Weights
von: Balasubramanian, Krishnakumar, et al.
Veröffentlicht: (2025)

Depth Separation in Norm-Bounded Infinite-Width Neural Networks
von: Parkinson, Suzanna, et al.
Veröffentlicht: (2024)

Towards Narrowing the Generalization Gap in Deep Boolean Networks
von: Kim, Youngsung
Veröffentlicht: (2024)

On Universality of Deep Equivariant Networks
von: Pacini, Marco, et al.
Veröffentlicht: (2025)

Approximation analysis of CNNs from a feature extraction view
von: Li, Jianfei, et al.
Veröffentlicht: (2022)

Optimal rates of approximation by shallow ReLU$^k$ neural networks and applications to nonparametric regression
von: Yang, Yunfei, et al.
Veröffentlicht: (2023)

Approximation of RKHS Functionals by Neural Networks
von: Zhou, Tian-Yi, et al.
Veröffentlicht: (2024)

Sufficient Conditions for Stability of Minimum-Norm Interpolating Deep ReLU Networks
von: Harzli, Ouns El, et al.
Veröffentlicht: (2026)

Implicit Hypersurface Approximation Capacity in Deep ReLU Networks
von: Vallin, Jonatan, et al.
Veröffentlicht: (2024)

On the Dimension-Free Approximation of Deep Neural Networks for Symmetric Korobov Functions
von: Lu, Yulong, et al.
Veröffentlicht: (2025)

Statistical Physics of Deep Neural Networks: Generalization Capability, Beyond the Infinite Width, and Feature Learning
von: Ariosto, Sebastiano
Veröffentlicht: (2025)