通用近似定理

通用近似定理（universal approximation theorem）係有關人工神經網絡嘅一條定理：喺數學上嚟講，一個人工神經網絡係一個函數（$o(x)$），而機械學習演算法做嘅嘢係想令 $o(x)$ 嘅輸入輸出盡可能噉接近現實世界嘅數據產生過程 $f(x)$，令個神經網絡能夠準確噉由輸入計個預想嘅輸出值出嚟。通用近似定理主張人工神經網絡具有通用性（universality）－「無論 $f(x)$ 係乜嘢樣，都梗會有個神經網絡架構能夠做到接近 $f(x)$」。