我从本指南中了解了通用逼近定理。它指出，只要有足够数量的神经元，即使具有单个隐藏层的网络也可以在一定范围内逼近任何函数。或者在数学上，${|g(x)−f(x)|< \epsilon}$， 在哪里${g(x)}$是近似值，${f(x)}$是目标函数并且是$\epsilon$是任意界。

多项式$n$最多有$n-1$转折点（多项式的导数改变符号的地方）。随着每个新的转折点，近似似乎变得更加复杂。

我不一定要寻找公式，但我想大致了解如何计算出足够数量的神经元是为了合理逼近具有单层神经网络的多项式（您可以考虑“合理”成为$\epsilon = 0.0001$）。换句话说，增加一个神经元会如何影响模型表达多项式的能力？