---
title: "Weighted UAT 论文集成 Review"
created: 2026-06-17
type: review
---

# 📌 基本信息

- **论文**：Weighted Universal Approximation of Differentiable Maps on Infinite-Dimensional Manifolds
- **作者**：Philipp Schmocker, Josef Teichmann
- **领域**：math.FA (cs.LG, math.PR, q-fin.MF, stat.ML)
- **arXiv**：2606.09820v1 (2026-06-08) | 77页

# 🎯 核心概念

1. **[[functional-input-neural-networks|FNN]]** — 无限维输入 → 标量激活 → Banach 输出的神经网络
2. **[[universal-approximation-theorem|UAT]]** — 同时逼近函数值和方向导数
3. **[[nachbin-theorem|Nachbin 定理]]** — 带导数的 Stone-Weierstrass，论文的核心理论贡献
4. **[[signature|Signature]]** — 路径空间上的多项式基，线性函数可逼近任意路径泛函含导数

# 🔗 概念网络

```
Weighted Spaces ← Nachbin Theorem → Bastiani Calculus
    ↓                    ↓               ↓
Functional Input NN → Weighted UAT → Infinite-Dimensional Manifolds
    ↓
Non-Anticipative Functionals → Signature → Rough Path Theory
```

**关联已有知识**：通过 [[stochastic-differential-equation|SDE]] 和 Wiener 过程与 Ticks-to-Flows 论文的随机分析概念形成桥梁。

# 📚 Wiki 集成

- **新增页面**：10 个（1 论文 + 8 概念 + 1 raw）
- **总规模**：880 → 889 页（+9）
- **全新数学领域**：逼近理论（approximation theory）+ 粗糙路径（rough paths）→ 此前 wiki 零覆盖

# 💡 关键洞察

1. **这是最高维度的论文集成**：77 页的 math.FA 核心论文，证明链从 Tauberian 定理 → Nachbin 定理 → FNN UAT → Signature UAT → 非预期泛函 UAT。每一步都是严格的函数分析。

2. **"加权"是连接理论与应用的关键**：不限制在紧集上使得理论可应用于 SDE 和随机过程——这些对象天然产生非紧路径。加权分析是纯数学到应用的桥梁。

3. **Signature UAT 是优雅的推论**：签名的线性函数逼近路径泛函——这一结果本身就是已知的，但论文首次包括了方向导数的逼近，这对路径空间上的梯度基方法至关重要。