Key points are not available for this paper at this time.
신중하게 선택된 가중치를 가진 신경망이 강력한 함수 근사를 제공하며 과파라미터화된 영역에서 성공적으로 훈련될 수 있다는 것은 잘 알려져 있다. 과파라미터화는 학습 오류를 제로로 보장하기 때문에, 이 두 이론은 즉시 호환되지 않는다. 최근 연구는 근사 결과에 필요한 매끄러움을 이용하여 신경 탄젠트 커널(NTK) 최적화 주장을 과소 파라미터화된 영역으로 확장하고 경량 흐름에 의해 훈련된 네트워크에 대한 직접적인 근사 경계 조건을 보여준다. 경량 흐름은 실용적 방법의 이상화에 지나지 않기 때문에, 이 논문은 경량 하강법으로 훈련된 네트워크에 대한 유사한 결과를 확립한다.
Gerrit Welper (Sun,)은 이 문제를 연구했다.