MIT CSAIL的研究人員發現，隱藏層僅有一個神經元的ResNet就是一個通用的函數逼近器，恒等映射確實加強了深度網絡的表達能力。研究人員表示，這一發現還填補了全連接網絡表達能力強大原因的理論空白。

深度神經網絡是當前很多機器學習應用成功的關鍵，而深度學習的一大趨勢，就是神經網絡越來越深：以計算機視覺應用為例，從最開始的AlexNet，到后來的VGG-Net，再到最近的ResNet，網絡的性能確實隨著層數的增多而提升。

研究人員的一個直觀感受是，隨著網絡深度的增大，網絡的容量也變高，更容易去逼近某個函數。

因此，從理論方面，也有越來越多的人開始關心，是不是所有的函數都能夠用一個足夠大的神經網絡去逼近？

在一篇最新上傳Arxiv的論文里，MIT CSAIL的兩位研究人員從ResNet結構入手，論證了這個問題。他們發現，在每個隱藏層中只有一個神經元的ResNet，就是一個通用逼近函數，無論整個網絡的深度有多少，哪怕趨于無窮大，這一點都成立。

一個神經元就夠了，這不是很令人興奮嗎？

從深度上理解通用逼近定理

關于神經網絡的表達能力（representational power）此前已經有很多討論。

上世紀80年代的一些研究發現，只要有足夠多的隱藏層神經元，擁有單個隱藏層的神經網絡能以任意精度逼近任意連續函數。這也被稱為通用逼近定理（universal approximation theorem）。

但是，這是從“寬度”而非“深度”的角度去理解——不斷增加隱藏層神經元，增加的是網絡的寬度——而實際經驗告訴我們，深度網絡才是最適用于去學習能解決現實世界問題的函數的。

因此，這就自然引出了一個問題：

如果每層的神經元數量固定，當網絡深度增加到無窮大的時候，通用逼近定理還成立嗎？

北京大學Zhou Lu等人發表在NIPS 2017的文章《The Expressive Power of Neural Networks: A View from the Width》發現，對于用ReLU作為激活函數的全連接神經網絡，當每個隱藏層至少有 d+4 個神經元（d表示輸入空間）時，通用逼近定理就成立，但至多有 d 個神經元時，就不成立。

那么，換一種結構，這個條件還會成立嗎？究竟是什么在影響深度網絡的表達能力？

MIT CSAIL的這兩位研究人員便想到了ResNet。

從何愷明等人2015年提出以來，ResNet甚至被認為是當前性能最佳的網絡結構。ResNet的成功得益于它引入了快捷連接（shortcut connection），以及在此基礎上的恒等映射（Identity Mapping），使數據流可以跨層流動。原問題就轉化使殘差函數（F(x)=H(x)-x）逼近0值，而不用直接去擬合一個恒等函數 H’(x)。

由于恒等映射，ResNet的寬度與輸入空間相等。因此，作者構建了這樣的結構，并不斷縮小隱藏層，看看極限在哪里：

結果就如上文所說的那樣，最少只需要一個神經元就夠了。

作者表示，這進一步從理論上表明，ResNet的恒等映射確實增強了深度網絡的表達能力。

例證：完全連接網絡和ResNet之間的區別

作者給出了一個這樣的toy example：我們首先通過一個簡單的例子，通過實證探索一個完全連接網絡和ResNet之間的區別，其中完全連接網絡的每個隱藏層有 d 個神經元。例子是：在平面中對單位球（unit ball）進行分類。

訓練集由隨機生成的樣本組成，其中?

我們人為地在正樣本和負樣本之間創建了一個邊界，以使分類任務更容易。我們用邏輯損失作為損失，其中是網絡在第 i 個樣本的輸出。在訓練結束后，我們描繪了各種深度的網絡學習的決策邊界。理想情況下，我們希望模型的決策邊界接近真實分布。

圖2：在單位球分類問題中，訓練每個隱藏層（上面一行）寬度 d = 2 的全連接網絡和每個隱藏層只有一個神經元的 ResNet（下面一行）得到的決策邊界。全連接網絡無法捕獲真正的函數，這與認為寬度 d 對于通用逼近而言太窄（narrow）的理論是一致的。相反，ResNet很好地逼近了函數，支持了我們的理論結果。

圖2顯示了結果。對于完全連接網絡（上面一行）而言，學習的決策邊界對不同的深度具有大致相同的形狀：逼近質量似乎沒有隨著深度增加而提高。雖然人們可能傾向于認為這是由局部最優性引起的，但我們的結果與文獻[19]中的結果一致：

Proposition 2.1. 令為由一個具有ReLU激活的完全連接網絡 N 定義的函數。用表示的正水平集。如果 N 的每個隱藏層至多有 d 個神經元，那么

, 其中 λ 表示 Lebesgue measure

換句話說，“narrow”的完全連接網絡的水平集（level set）是無界的，或具有零測度。

因此，即使當深度趨于無窮大時，“narrow”的完全連接網絡也不能逼近有界區域。這里我們只展示了 d=2 的情況，因為可以很容易地看到數據；在更高的維度也可以看到同樣的觀察結果。

ResNet的決策邊界看起來明顯不同：盡管寬度更窄，但ResNet表示了一個有界區域的指標。隨著深度的增加，決策邊界似乎趨于單位球，這意味著命題2.1不能適用于ResNet。這些觀察激發了通用逼近定理。

討論

在本文中，我們展示了每個隱藏層只有一個神經元的ResNet結構的通用逼近定理。這個結果與最近在全連接網絡上的結果形成對比，對于這些全連接網絡，在寬度為 d 或更小時，通用逼近會失敗。

ResNet vs 全連接網絡：

雖然我們在每個基本殘差塊（residual block）中只使用一個隱藏神經元來實現通用逼近，但有人可能會說，ResNet的結構仍然將identity傳遞到下一層。這個identity map可以算作 d 個隱藏單元，導致每個殘差塊共有 d+1 個隱藏單元，并且使得網絡被看做一個寬度為 (d + 1)的完全連接網絡。但是，即使從這個角度看，ResNet也相當于一個完全連接網絡的壓縮或稀疏版本。特別是，寬度為 (d + 1)的完全連接網絡每層具有個連接，而ResNet中只有個連接，這要歸功于identity map。完全連接網絡的這種“過度參數化”或許可以解釋為什么dropout對這類網絡有用。

同樣的道理，我們的結果表明寬度(d + 1)的完全連接網絡是通用逼近器，這是新的發現。文獻[19]中的結構要求每層d + 4個單元，在上下邊界之間留有空隙。因此，我們的結果縮小了差距：寬度為(d + 1)的完全連接網絡是通用逼近器，而寬度為d的完全連接網絡不是。

為什么通用逼近很重要？如我們在論文第2節所述，寬度為d的完全連接網絡永遠不可能逼近一個緊湊的決策邊界，即使我們允許有無限的深度。然而，在高維空間中，很難對得到的決策邊界進行可視化和檢查。通用逼近定理提供了一種完整性檢查，并確保原則上我們能夠捕獲任何期望的決策邊界。

訓練效率：

通用逼近定理只保證了逼近任何期望函數的可能性，但它并不能保證我們通過運行SGD或任何其他優化算法能夠實際找到它。理解訓練效率可能需要更好地理解優化場景，這是最近受到關注的一個話題。

這里，我們試圖提出一個稍微不同的角度。根據我們的理論，帶有單個神經元隱藏層（one-neuron hidden layers）的ResNet已經是一個通用的逼近器。換句話說，每一層有多個單元的ResNet在某種意義上是模型的過度參數化，而過度參數化已經被觀察到有利于優化。這可能就是為什么訓練一個非常深的ResNet比訓練一個完全連接的網絡“更容易”的原因之一。未來的工作可以更嚴謹地分析這一點。

泛化：

由于一個通用逼近器可以擬合任何函數，人們可能會認為它很容易過度擬合。然而，通?？梢杂^察到，深度網絡在測試集上的泛化效果非常出色。對這一現象的解釋與我們的論文是不相關的，但是，了解通用逼近能力是這一理論的重要組成部分。此外，我們的結果暗示了，前述的“過度參數化”也可能發揮作用。

總結：

總結而言，我們給出了具有單個神經元隱藏層的ResNet的通用逼近定理。這從理論上將ResNet和完全連接網絡區分開來，并且，我們的結果填補了理解完全連接網絡的表示能力方面的空白。在一定程度上，我們的結果在理論上激勵了對ResNet架構進行更深入的實踐。