Translations:Neural Networks/20/es
El teorema de aproximación universal (Cybenko 1989, Hornik 1991) establece que una red prealimentada con una sola capa oculta que contenga un número finito de neuronas puede aproximar cualquier función continua sobre un subconjunto compacto de $ \mathbb{R}^n $ con precisión arbitraria, siempre que la función de activación cumpla condiciones suaves (por ejemplo, ser no constante, acotada y continua).