多层神经网络的近完整非渐近泛化理论：超越偏差-方差权衡

本研究解决了多层神经网络泛化理论中的一个重要空白，提出了一种不依赖于损失函数有界性的非渐近泛化理论。该理论超越了传统的偏差-方差权衡，首次考虑了近似误差，并利用其显示了多层ReLU网络在回归问题上的近最小最大最优性和双下降现象。该工作为深度学习的理解提供了新的视角。