Function 神经网络：拟合函数

你能用一个只有一个输入、一个输出和一层隐藏神经元的神经网络来近似一个函数（不同于直线，但仍然在x、y平面：如cos、sin、arc、exp等）吗

是的，你可以！事实上，这就是普遍逼近理论所说的，简言之：具有单个隐层的前馈网络可以逼近任何连续函数。然而，它并没有说明这一层中的神经元数量（可能非常高）以及算法优化这种网络权重的能力。它所说的只是这样一个网络的存在

以下是Cybenko使用sigmoid激活函数证明的原始出版物的链接：

下面是更友好的推导：