从论文的摘要：

具体来说，我们回答以下问题：对于一个固定的 $d_{in} \ge 1$, 什么是最小宽度 $w$ 因此具有 ReLU 激活的神经网络，输入维度 $d_{in}$, 最多隐藏层宽度 $w$，并且任意深度可以逼近任何连续的实值函数 $d_{in}$ 在变量中任意好？

“实值函数”是指输出维度 $d_{out}=1$. 他们的定理 1 更普遍，并且说对于任何$d_{in}, d_{out} \ge 1$ 你会需要 $d_{in}+1 \le w \le d_{in}+d_{out}$.