Neural Networks: Neue Verbindung zwischen konvexen n-Breiten und Deckungszahlen
In der Hochdimensionalen Datenanalyse gilt allgemein, dass die Approximation von Funktionsklassen durch lineare Kombinationen einer festen Basis von Merkmalen schwierig ist. Der schlechteste Fehler der besten Basis schrumpft typischerweise nur mit der Ordnung Θ(n⁻¹ᐟᵈ), wobei n die Anzahl der Basisfunktionen und d die Eingangsdimension ist.
