在已知参数（y，x）和未知参数（a，b）之间存在y=a.x^b等关系的情况下，是否可以对具有2个未知输出的神经网络进行监督训练。 这里（a，b）是网络的输出!!
泛近似定理的直接结果是，从R^d的紧子集到k维超立方体的任何连续函数都可以用具有给定误差界限eps的标准前馈神经网络近似。
所以简单来说 - 实际上每个函数都可以使用神经网络进行训练，这并不意味着在实践中任何算法都会真正做到这一点（它纯粹是存在证明，它没有给出"在哪里看"的直觉）。
因此，如果你的问题是"是否有可能训练一个接近我的函数的网络？"答案是肯定的，如果问题是"是否有可能让神经网络准确地代表我的函数"，那么答案是肯定的，但给定一个自定义激活函数。