こんにちは、いりすです。
最近は3層ニューラルネットワークの普遍定理を証明したCybenko, Approximation by Superpositions of Sigmoidal Function
を読んでいます。
この論文の主定理は、sigmoidalな関数についてニューラルネットワークで表現される数式
の集合が連続関数空間とで稠密であることが主張です。 特に、sigmoidalな関数とは
となることです。
discriminatory関数の稠密性
定理1はsigmoidal関数よりも広い関数のクラス、discriminatoryな関数についてが連続関数空間との稠密性を示してます。 discriminatoryな関数とは測度に対して
となることです。 証明の方針は、線形部分空間について、その閉包として、ハーンバナッハから線形汎関数となるものを作り、Riesz表現定理で
と表現します。にを突っ込むと0になるので、discriminatoryよりになり、任意のに対してになります。
sigmoidal関数はdiscriminatory
続いて、補題1ではsigmoidal discriminatoryを示します。
証明の方針としてはsigmoidal関数列にたいして
ここでとしてdiscriminatoryの前提とLebesgue優収束定理より
となります。ただし、。ここで、であれば、を示します。
これは線形汎関数を
として、
とすると、
となります。ここで、の線形性より、任意の区間に対してとなります。
どんなについてについて、のフーリエ変換
となり、測度となります。これで補題1は証明されました。
よって、定理1と補題1からsigmoidalな関数についてで表現される関数空間が連続関数で稠密であることがわかります。