Key points are not available for this paper at this time.
딥 신경망(BNNs) 교육을 위한 베이지안 접근 방식은 상당한 관심을 받았으며 다양한 응용 프로그램에서 효과적으로 활용되어 왔습니다. BNN의 후방 농도 특성에 대한 여러 연구가 있었습니다. 그러나 이러한 연구의 대부분은 희소하거나 두꺼운 꼬리를 가진 사전이 있는 BNN 모델에서만 결과를 보여줍니다. 놀랍게도, 가장 일반적으로 사용되는 가우시안 사전을 사용하는 BNN에 대한 이론적 결과는 현재 존재하지 않습니다. 이론의 결여는 비희소적이고 매개변수가 제한된 심층 신경망(DNN)에 대한 근사 결과가 없기 때문입니다. 본 논문에서는 매개변수가 제한된 비희소 DNN에 대한 새로운 근사 이론을 제시합니다. 또한, 근사 이론을 기반으로 비희소 일반 사전을 가진 BNN이 실제 모델에 근사-최소 최대 최적 후방 농도 비율을 달성할 수 있음을 보여줍니다.
Kong et al. (목요일,)은 이 질문을 연구했습니다.