On the Dimension-Free Approximation of Deep Neural Networks for Symmetric Korobov Functions
순열 대칭(permutation symmetry)을 갖는 Korobov 함수를 심층 신경망으로 근사할 때 발생하는 차원의 저주 문제를 해결하기 위해, 대칭 희소 격자 기저(symmetric sparse grid basis)를 ReLU/squared ReLU 네트워크로 직접 근사하는 대칭 심층 신경망 구성 방법을 제안한다. 수렴률과 상수 계수 모두 차원에 대해 다항식 이하로 스케일됨을 이론적으로 증명하고, 이를 기반으로 한 일반화 오차 분석 결과 역시 차원의 저주를 피함을 보인다.