Bi-Lipschitz Ansatz for Anti-Symmetric Functions
Este artículo introduce dos nuevos ansatz de redes neuronales antisimétricas, continuos y computacionalmente eficientes, basados en incrustaciones bi-Lipschitz y promediado de marcos que logran la aproximación universal con complejidad polinómica y proporcionan límites cuantitativos sobre los requisitos de parámetros para el aprendizaje de funciones antisimétricas.