Twierdzenie o uniwersalnej aproksymacji to fundamentalny rezultat w teorii sztucznych sieci neuronowych. Mówi ono, że jednowarstwowa sieć neuronowa o skończonej liczbie neuronów i odpowiedniej nieliniowej funkcji aktywacji jest w stanie zaaproksymować dowolną ciągłą funkcję z dowolną dokładnością. W praktyce oznacza to, że proste sieci neuronowe mają teoretyczną zdolność do uczenia się niezwykle złożonych zależności w danych. Twierdzenie to stanowi teoretyczne uzasadnienie dla wszechstronności i skuteczności sieci neuronowych w rozwiązywaniu różnorodnych problemów.
Twierdzenie o uniwersalnej aproksymacji (Universal Approximation Theorem)
