10万神经元不够，130个反而更准？深度网络凭什么? 1989年，乔治·赛本科证明的“万能近似定理”说：足够宽的两层神经网络，可以任意精度拟合复杂函数。 但为什么现实中，10万个神经元的浅层模型，依然学不好比利时/荷兰边境那条极其复杂的边界？ 本期用几何可视化拆解神经网络到底在做什么： 第一层如何用 ReLU 把地图折叠？ 第二层如何缩放、翻转、组合曲面？ 决策边界如何从一条直线，变成精细复杂的多边形？ 我们还会对比浅层与深层： 把128个隐藏神经元分成4层，总5层约130个神经元，效果竟然超过10万神经元的浅层模型。 区域数量为什么随深度指数增长，而宽度只能多项式增长？ 梯度下降为什么会卡住？“死亡神经元”又是什么？ 最后，看5层×32神经元如何逼近小镇边界。 #神经网络 #人工智能 #AI学习
作者：1****熵
音乐：@1****熵创作的原声
时长：28:31
评论数：10
点赞数：0.06万
分享数：115
收藏数：374
更新时间：2026年9月13日 13:17